Win10下yolov8 tensorrt模型加速部署【實戰】

TensorRT-Alpha基于tensorrt+cuda c++實現模型end2end的gpu加速，支持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 性能速覽

??快速看看yolov8n 在移動端RTX2070m(8G)的新能表現：

更多TensorRT-Alpha測試錄像在B站視頻：
B站：YOLOv8n
B站：YOLOv8s

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。

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、創建屬性表；
• 3、工程設置，運行；
  問題：為什么使用vs2019屬性表，而不用cmake？
  回答：因為屬性表可以做到：一次創建，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。

• 進入：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
• 選擇：[2019] -> [下載]
• 在新頁面選擇： Visual Studio Community 2019 (version 16.11)
• 下載完成之后安裝過程選擇如下圖：

- 重啟系統

2.2 安裝庫

注：Nvidia相關網站需要注冊賬號。

2.2.1 安裝Nvidia顯卡驅動

• 進入： https://www.nvidia.cn/Download/index.aspx?lang=cn#
• 依據實際情況選擇，如下圖是我的選擇(for RTX3070)：

• 選擇：[搜索]->[下載] ->[雙擊默認安裝] -> [重啟系統] -> [進入cmd]，輸入如下指令：

nvidia-smi

看到如下信息表明驅動正常：

2.2.2 安裝 cuda11.2

• 進入: https://developer.nvidia.com/cuda-toolkit-archive
• 選擇：CUDA Toolkit 11.2.0 (December 2020)
• 選擇：[Windows] -> [x86_64] -> [10] -> [exe(local)] -> [Download(2.9GB)]
  
• 雙擊安裝，重啟在cmd窗口輸入如下指令：

nvcc -V

CMD窗口打印如下信息表示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 不需要手動設置環境變量，如下圖，環境變量都是自動設置的。

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"
• 解壓之后，cudnn的頭文件、庫文件都要拷貝到cuda安裝目錄。
• 如下圖，進入cudnn解壓所在文件夾中include，拷貝所有頭文件，粘貼到CUDA/v11.2/include中
• lib、bin中的文件也拷貝到對應cuda目錄中
• 重啟系統

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，并重命名為：TensorRT-8.4.2.4
• 并將路徑"F:\ThirdParty\TensorRT-8.4.2.4\lib"添加到環境變量，如下圖：
• 重啟系統

2.2.5 OpenCV4.5.5安裝

• 進入：https://opencv.org/releases/
• 選擇：[OpenCV – 4.5.5] -> [Windows]
• 下載完成之后，是一個exe的自解壓格式，解壓到：D:\ThirdParty
• 并將路徑："D:\ThirdParty\opencv4.5.5\build\bin" 和 "D:\ThirdParty\opencv4.5.5\build\x64\vc15\bin"添加到環境變量，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。

2.3 創建屬性表

一般地，Visual Studio 2019，一個庫對應兩個屬性表文件，分別對應：vs2019的debug模式和release模式，例如：本文中OpenCV創建了這兩種。而TensorRT和CUDA只需要創建一種屬性表(適用以上兩種模式)。

2.3.1 創建OpenCV屬性表

創建opencv庫debug屬性表：

• step1：基于VS2019隨便新建一個C++項目，如下圖，項目設置為Debug、X64模式

• step2：如下圖，選擇：[屬性窗口] -> [右擊Debug|x64] -> [添加新項目屬性表]

• step3：文件命名為：OpenCV4.5.5_DebugX64.props -> [添加]
• 編輯屬性表：[如下圖：雙擊屬性表]

• step4：如下圖，選擇：[通用屬性] -> [VC++目錄] -> [包含目錄] -> [編輯]

• step5：如下圖，將兩個OpenCV兩個頭文件目錄拷貝進去 -> [確認]

• 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"拷貝進去 -> [確認]
• step7：選擇：[通用屬性] -> [鏈接器] -> [輸入] -> [附加依賴項] -> 將文件名"opencv_world455d.lib"拷貝進去->[確認]
  小結：
  
  到這里，opencv庫debug屬性表制作完成，release屬性表和上述流程一樣，唯一區別在于，如下圖，項目切換到Release x64模式，新建OpenCV4.5.5_ReleaseX64屬性表，然后在step7中，將文件名修改為："opencv_world455.lib"

請記住，制作屬性表就3個步驟：

• 拷貝include路徑
• 拷貝lib路徑，外加設置dll到系統環境變量
• 拷貝lib文件名稱

2.3.2 創建TensorRT屬性表

右擊Debug|x64 or 右擊Release|x64新建屬性表，重命名為：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文件名稱（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路徑拷貝進去
• step2：選擇：[通用屬性] -> [VC++目錄] -> [庫目錄] -> [編輯] -> 把上述lib路徑拷貝進去
• step3：選擇：[通用屬性] -> [鏈接器] -> [輸入] -> [附加依賴項] -> [編輯] -> 將上述lib文件名稱拷貝進去->[確認]
  最后，修改tensorrt屬性表：[通用屬性] -> [C/C++] -> [預處理器] -> [預處理器定義] -> 添加指令：_CRT_SECURE_NO_WARNINGS -> [確認]

2.3.3 創建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

最后，我們應該有了如下屬性表文件：

其中，cuda 和tensorrt的屬性表同時兼容release x64 和debug x64，你再新建TensorRT-Alpha中yolov8 yolov7 yolov6 等項目后，只需要把上述提前做好的屬性表引入到工程就行了，**當然項目還需要進行簡單設置**(設置NVCC，避免tensorrt的坑)，在后文提到。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文件

直接在網盤下載 weiyun or google driver 或者使用如下命令導出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==1.12.0

# 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

導出 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等文件。

3.3 編譯運行

3.3.1 新建、設置項目
下載TensorRT-Alpha倉庫：

git clone https://github.com/FeiYull/tensorrt-alpha

• 新建yolov8 C++項目：參考B站視頻【提示：從0分34秒開始，演示如何設置NVCC編譯，如何避免tensorrt在win環境的坑】：
  yolov8 tensorrt 實戰之先導
  小結：
  后續創建TensorRT-Alpha中YOLOv7、 YOLOv6等工程之后，只需要將上文中的屬性表添加到工程，然后按照《yolov8 tensorrt 實戰之先導》提到的設置工程就OK。
  這篇教程太詳細了，這年頭，好像很少有人愿意免費給出這么誠意的教程。

3.3.2 編譯運行
上面視頻在vs2019中設置命令行參數，您也可以在CMD命令行上運行程序，如下：

# 下面參數解釋
# --show 表示可視化結果
# --savePath 表示保存，默認保存在build目錄
# --savePath=../ 保存在上一級目錄

## 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

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

# 在線推理相機視頻
./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站所有視頻都在WIN10環境運行，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

一位熱心小伙做的，他好努力，前幾天經常半夜2點、3點給我留言，太卷了，奮斗精神值得學習。

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