Windows10下yolov8 tensorrt模型加速部署【實戰】

FeiYull發表於2023-02-03
WindowsYOLO模型

Windows10下yolov8 tensorrt模型加速部署【實戰】

TensorRT-Alpha基於tensorrt+cuda c++實現模型end2end的gpu加速，支援win10、linux，在2023年已經更新模型：YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, YOLOv3, YOLOX, YOLOR,pphumanseg,u2net,EfficientDet。
關注倉庫《TensorRT-Alpha》：https://github.com/FeiYull/TensorRT-Alpha

一、加速結果展示

1.1 效能速覽

?快速看看yolov8n 在移動端RTX2070m(8G)的新能表現：

model video resolution model input size GPU Memory-Usage GPU-Util
yolov8n 1920x1080 8x3x640x640 1093MiB/7982MiB 14%

下圖是yolov8n的執行時間開銷，單位是ms：
在這裡插入圖片描述

更多TensorRT-Alpha測試錄影在B站影片：
B站：YOLOv8n
B站：YOLOv8s

在這裡插入圖片描述

1.2精度對齊

下面是左邊是python框架推理結果，右邊是TensorRT-Alpha推理結果。
yolov8n : Offical( left ) vs Ours( right )

yolov8n : Offical( left ) vs Ours( right )

在這裡插入圖片描述

yolov7-tiny : Offical( left ) vs Ours( right )

在這裡插入圖片描述

yolov6s : Offical( left ) vs Ours( right )

在這裡插入圖片描述

yolov5s : Offical( left ) vs Ours( right )

YOLOv4 YOLOv3 YOLOR YOLOX略。

二、Windows10環境配置

三步解決win環境配置：

  • 1、安裝vs2019、Nvidia驅動、cuda，cudnn、opencv、tensorrt；
  • 2、建立屬性表；
  • 3、工程設定，執行；
    問題：為什麼使用vs2019屬性表，而不用cmake？
    回答：因為屬性表可以做到：一次建立，到處使用。
    提示：如果您一定需要使用cmake+vs2019 or cmake + clion，請參考附錄，這是一位熱心觀眾的方法，供參考。

2.1 安裝VS2019

需要Microsoft賬號，如果您有別的途徑下載安裝也可以。

2.2 安裝庫

注：Nvidia相關網站需要註冊賬號。

2.2.1 安裝Nvidia顯示卡驅動

nvidia-smi

看到如下資訊表明驅動正常：
請新增圖片描述

2.2.2 安裝 cuda11.2

nvcc -V

CMD視窗列印如下資訊表示cuda11.2安裝正常

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Nov_30_19:15:10_Pacific_Standard_Time_2020
Cuda compilation tools, release 11.2, V11.2.67
Build cuda_11.2.r11.2/compiler.29373293_0

note:cuda11.2 不需要手動設定環境變數，如下圖，環境變數都是自動設定的。
請新增圖片描述

2.2.3 安裝 cudnn8.2.1

  • 進入網站：https://developer.nvidia.com/rdp/cudnn-archive
  • 選擇： Download cuDNN v8.2.1 (June 7th, 2021), for CUDA 11.x
  • 選擇： cuDNN Library for Windows (x86)
  • 你將會下載這個壓縮包: "cudnn-11.3-windows-x64-v8.2.1.32_2.zip"
  • 解壓之後，cudnn的標頭檔案、庫檔案都要複製到cuda安裝目錄。
  • 如下圖，進入cudnn解壓所在資料夾中include，複製所有標頭檔案，貼上到CUDA/v11.2/include中
  • lib、bin中的檔案也複製到對應cuda目錄中
  • 重啟系統
    請新增圖片描述

2.2.4 下載 tensorrt8.4.2.4

  • 進入網站： https://developer.nvidia.cn/nvidia-tensorrt-8x-download
  • 把這個打勾： I Agree To the Terms of the NVIDIA TensorRT License Agreement
  • 選擇: TensorRT 8.4 GA Update 1
  • 選擇: TensorRT 8.4 GA Update 1 for Windows 10 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6 and 11.7 ZIP Package
  • 你將會下載這個壓縮包: "TensorRT-8.4.2.4.Windows10.x86_64.cuda-11.6.cudnn8.4.zip"
  • 解壓到F:\ThirdParty，並重新命名為：TensorRT-8.4.2.4
  • 並將路徑"F:\ThirdParty\TensorRT-8.4.2.4\lib"新增到環境變數，如下圖：
  • 重啟系統
    請新增圖片描述

2.2.5 OpenCV4.5.5安裝

  • 進入：https://opencv.org/releases/
  • 選擇：[OpenCV – 4.5.5] -> [Windows]
  • 下載完成之後，是一個exe的自解壓格式，解壓到：D:\ThirdParty
  • 並將路徑："D:\ThirdParty\opencv4.5.5\build\bin" 和 "D:\ThirdParty\opencv4.5.5\build\x64\vc15\bin"新增到環境變數，如下圖：
  • 重啟系統
    note：我的opencv在D盤，tensorrt在E盤，根據實際情況修改就行了。
    請新增圖片描述

2.3 建立屬性表

一般地，Visual Studio 2019，一個庫對應兩個屬性表檔案，分別對應：vs2019的debug模式和release模式，例如：本文中OpenCV建立了這兩種。而TensorRT和CUDA只需要建立一種屬性表(適用以上兩種模式)。

2.3.1 建立OpenCV屬性表

建立opencv庫debug屬性表：

  • step1：基於VS2019隨便新建一個C++專案，如下圖，專案設定為Debug、X64模式
    請新增圖片描述
  • step2：如下圖，選擇：[屬性視窗] -> [右擊Debug|x64] -> [新增新專案屬性表]
    請新增圖片描述
  • step3：檔案命名為：OpenCV4.5.5_DebugX64.props -> [新增]
  • 編輯屬性表：[如下圖：雙擊屬性表]
    請新增圖片描述
  • step4：如下圖，選擇：[通用屬性] -> [VC++目錄] -> [包含目錄] -> [編輯]
    請新增圖片描述
  • step5：如下圖，將兩個OpenCV兩個標頭檔案目錄複製進去 -> [確認]
    請新增圖片描述
  • step6：選擇：[通用屬性] -> [VC++目錄] -> [庫目錄] -> [編輯] -> 將路徑："D:\ThirdParty\opencv4.5.5\build\x64\vc15\lib"複製進去 -> [確認]
  • step7：選擇：[通用屬性] -> [連結器] -> [輸入] -> [附加依賴項] -> 將檔名"opencv_world455d.lib"複製進去->[確認]
    小結：

    到這裡，opencv庫debug屬性表製作完成，release屬性表和上述流程一樣，唯一區別在於，如下圖，專案切換到Release x64模式，新建OpenCV4.5.5_ReleaseX64屬性表，然後在step7中，將檔名修改為："opencv_world455.lib"
    請新增圖片描述
    請記住，製作屬性表就3個步驟：
  • 複製include路徑
  • 複製lib路徑，外加設定dll到系統環境變數
  • 複製lib檔名稱

2.3.2 建立TensorRT屬性表

右擊Debug|x64 or 右擊Release|x64新建屬性表，重新命名為：TensorRT8.4.2.4_X64，

# include路徑
F:\ThirdParty\TensorRT-8.4.2.4\include
F:\ThirdParty\TensorRT-8.4.2.4\samples\common
F:\ThirdParty\TensorRT-8.4.2.4\samples\common\windows
# lib路徑
F:\ThirdParty\TensorRT-8.4.2.4\lib
# lib檔名稱（for release& debug）
nvinfer.lib
nvinfer_plugin.lib
nvonnxparser.lib
nvparsers.lib

依照上一節3個步驟：

  • step1：選擇：[通用屬性] -> [VC++目錄] -> [包含目錄] -> [編輯] -> 把上述3個include路徑複製進去
  • step2：選擇：[通用屬性] -> [VC++目錄] -> [庫目錄] -> [編輯] -> 把上述lib路徑複製進去
  • step3：選擇：[通用屬性] -> [連結器] -> [輸入] -> [附加依賴項] -> [編輯] -> 將上述lib檔名稱複製進去->[確認]
    最後，修改tensorrt屬性表：[通用屬性] -> [C/C++] -> [前處理器] -> [前處理器定義] -> 新增指令：_CRT_SECURE_NO_WARNINGS -> [確認]

2.3.3 建立CUDA屬性表

CUDA屬性表直接白嫖官方，在路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\visual_studio_integration\MSBuildExtensions\CUDA 11.2.props

最後，我們應該有了如下屬性表檔案：
請新增圖片描述
其中，cuda 和tensorrt的屬性表同時相容release x64 和debug x64，你再新建TensorRT-Alpha中yolov8 yolov7 yolov6 等專案後，只需要把上述提前做好的屬性表引入到工程就行了，當然專案還需要進行簡單設定(設定NVCC，避免tensorrt的坑)，在後文提到。屬性表做到了一次新建，到處使用。

三、YOLOv8模型部署

Windows10環境安裝YOLOv8，參考我的另一篇《Win10環境下yolov8快速配置與測試》：https://blog.csdn.net/m0_72734364/article/details/128815530

3.1 獲取YOLOv8onnx檔案

直接在網盤下載 weiyun or google driver 或者使用如下命令匯出onnx:

# ? yolov8 官方倉庫: https://github.com/ultralytics/ultralytics
# ? yolov8 官方教程: https://docs.ultralytics.com/quickstart/
# ?TensorRT-Alpha will be updated synchronously as soon as possible!

# 安裝 yolov8
conda create -n yolov8 python==3.8 -y
conda activate yolov8
pip install ultralytics==8.0.5
pip install onnx

# 下載官方權重(".pt" file)
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8s.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8m.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8l.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x.pt
https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8x6.pt

匯出 onnx:

# 640
yolo mode=export model=yolov8n.pt format=onnx dynamic=True    #simplify=True
yolo mode=export model=yolov8s.pt format=onnx dynamic=True    #simplify=True
yolo mode=export model=yolov8m.pt format=onnx dynamic=True    #simplify=True
yolo mode=export model=yolov8l.pt format=onnx dynamic=True    #simplify=True
yolo mode=export model=yolov8x.pt format=onnx dynamic=True    #simplify=True
# 1280
yolo mode=export model=yolov8x6.pt format=onnx dynamic=True   #simplify=True

3.2 編譯 onnx

# trtexec.exe在路徑：F:\ThirdParty\TensorRT-8.4.2.4\bin
# 640
../../../../TensorRT-8.4.2.4/bin/trtexec.exe   --onnx=yolov8n.onnx  --saveEngine=yolov8n.trt  --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640
../../../../TensorRT-8.4.2.4/bin/trtexec.exe   --onnx=yolov8s.onnx  --saveEngine=yolov8s.trt  --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640
../../../../TensorRT-8.4.2.4/bin/trtexec.exe   --onnx=yolov8m.onnx  --saveEngine=yolov8m.trt  --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640
../../../../TensorRT-8.4.2.4/bin/trtexec.exe   --onnx=yolov8l.onnx  --saveEngine=yolov8l.trt  --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640
../../../../TensorRT-8.4.2.4/bin/trtexec.exe   --onnx=yolov8x.onnx  --saveEngine=yolov8x.trt  --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640
# 1280
../../../../TensorRT-8.4.2.4/bin/trtexec.exe   --onnx=yolov8x6.onnx  --saveEngine=yolov8x6.trt  --buildOnly --minShapes=images:1x3x1280x1280 --optShapes=images:4x3x1280x1280 --maxShapes=images:8x3x1280x1280

你將會的到例如：yolov8n.trt、yolov8s.trt、yolov8m.trt等檔案。

3.3 編譯執行

3.3.1 新建、設定專案
下載TensorRT-Alpha倉庫：

git clone https://github.com/FeiYull/tensorrt-alpha
  • 新建yolov8 C++專案：參考B站影片【提示：從0分34秒開始，演示如何設定NVCC編譯，如何避免tensorrt在win環境的坑】：
    yolov8 tensorrt 實戰之先導
    小結：
    後續建立TensorRT-Alpha中YOLOv7、 YOLOv6等工程之後，只需要將上文中的屬性表新增到工程，然後按照《yolov8 tensorrt 實戰之先導》提到的設定工程就OK。
    這篇教程太詳細了，這年頭，好像很少有人願意免費給出這麼誠意的教程。

3.3.2 編譯執行
上面影片在vs2019中設定命令列引數，您也可以在CMD命令列上執行程式，如下：

# 下面引數解釋
# --show 表示視覺化結果
# --savePath 表示儲存，預設儲存在build目錄
# --savePath=../ 儲存在上一級目錄

## 640
# 推理圖片
./app_yolov8.exe  --model=../../data/yolov8/yolov8n.trt --size=640 --batch_size=1  --img=../../data/6406407.jpg   --show --savePath
./app_yolov8.exe  --model=../../data/yolov8/yolov8n.trt --size=640 --batch_size=8  --video=../../data/people.mp4  --show --savePath

# 推理影片
./app_yolov8.exe  --model=../../data/yolov8/yolov8n.trt     --size=640 --batch_size=8  --video=../../data/people.mp4  --show --savePath=../

# 線上推理相機影片
./app_yolov8.exe  --model=../../data/yolov8/yolov8n.trt     --size=640 --batch_size=2  --cam_id=0  --show

## 1280
# infer camera
./app_yolov8.exe  --model=../../data/yolov8/yolov8x6.trt     --size=1280 --batch_size=2  --cam_id=0  --show

我的B站所有影片都在WIN10環境執行，https://space.bilibili.com/2028719613

[video(video-zRQTyZp3-1675415874102)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=778153500)(image-https://img-blog.csdnimg.cn/img_convert/4faa0b726044d139a1282d3883c6ed08.jpeg)(title-yolov8 tensorrt cuda模型推理加速部署TensorRT-Alpha《ski facility》)]

[video(video-Ej2C6hgr-1675415817040)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=650665729)(image-https://img-blog.csdnimg.cn/img_convert/04c8cb5b7ebe3fd410e4af53548a668f.jpeg)(title-yolov8 tensorrt cuda模型推理加速部署TensorRT-Alpha《NewYork-Stree》)]

[video(video-xbOkXTEV-1675415667896)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=565721755)(image-https://img-blog.csdnimg.cn/img_convert/a4469f9c7a048393d4fee5b7bba2893d.jpeg)(title-yolov7 tensorrt cuda模型推理加速部署TensorRT-Alpha《Korea-Night》)]

四、參考

https://github.com/FeiYull/TensorRT-Alpha

附錄

一位熱心小夥做的，他好努力，前幾天經常半夜2點、3點給我留言，太捲了，奮鬥精神值得學習。
請新增圖片描述

https://www.bilibili.com/video/BV1SM411i7km/?spm_id_from=333.999.0.0&vd_source=a96c9c3f099f4167807291a34fd50fd5

相關文章