# PIDNet_TensorRT
This repository provides a step-by-step guide and code for optimizing a state-of-the-art semantic segmentation model using TorchScript, ONNX, and TensorRT.
## Prerequisites
### Device: RTX 3050
* CUDA: 12.0 (driver: 525)
* cuDNN: 8.9
* TensorRT: 8.6
* PyCUDA
### Device: NVIDIA Jetson Nano
* Jetpack: 4.6.2
* PyCUDA
## Usage
### 0. Setup
* Clone this repository and download the pretrained model from the official [PIDNet](https://github.com/XuJiacong/PIDNet/tree/main) repository.
### 1. Export the model
For TorchScript:
````bash
python tools/export.py --a pidnet-s --p ./pretrained_models/cityscapes/PIDNet_S_Cityscapes_test.pt --f torchscript
````
For ONNX:
````bash
python tools/export.py --a pidnet-s --p ./pretrained_models/cityscapes/PIDNet_S_Cityscapes_test.pt --f onnx
````
For TensorRT (using the above ONNX model):
```bash
trtexec --onnx=path/to/onnx/model --saveEngine=path/to/engine
```
### 2. Inference
```bash
python tools/inference.py --f pytorch
```
### 3. Speed Measurement
* Measure the inference speed of PIDNet-S for Cityscapes:
````bash
python models/speed/pidnet_speed.py --f all
````
| | FPS | % increase |
| :---------- | :---------: |:---------: |
| PyTorch | 24.72 | - |
| TorchScript | 27.09 | 9.59 |
| ONNX (with TensorRT EP) | 33.52 | 35.60 |
| TensorRT | 32.93 | 33.21 |
speed test is performed on a single Nvidia GeForce RTX 3050 GPU
__AtYou__
- 粉丝: 3277
- 资源: 1555
最新资源
- 动力电池管理系统仿真BMS Battery Simulink电池平衡控制策略模型
- 硬件电路设计可直接使用工程绘制出PCB、程序源码(基于STM32F407的FFT变换与THD值计算以及multisim仿真设计
- 基于ESP32开发板的智能避障小车开发教程及相关相关资料(PCB-PCB电路板,SCH-Schematic原理图)
- Java项目-基于springboot框架的智慧外卖系统项目实战(附源码+文档)
- 2024年中国人工智能企业数据库数据.zip
- springboot+thymeleaf 整合小案例,用于对thymeleaf 各种语法使用,以及真正做到实战经验
- 显微镜物镜设计实例操作
- 小目标检测-具有强鲁棒性的红外小目标检测算法实现-附项目源码-优质项目实战.zip
- 小目标-使用YOLOv8+YOLOv9实现的小目标检测+分割算法-效果贼好-附项目源码-优质项目实战.zip
- springboot+thymeleaf+springsecurity 实现的一个小案例,包含登录,注册;登录成功后员工信息查看
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈