YOLOv5(PyTorch)目标检测实战：TensorRT加速部署

YOLOv5(PyTorch)目标检测实战：TensorRT加速部署
PyTorch版的YOLOv5是高性能的实时目标检测方法。 TensorRT是针对英伟达GPU的加速工具。本课程讲述如何使用TensorRT对YOLOv5进行加速和部署。
本课程的YOLOv5使用ultralytics/yolov5，分别在Ubuntu和windows10系统上做TensorRT加速和部署演示。
课程内容包括：原理篇（YOLOv5网络架构与组件、TensorRT基础、TensorRT INT8量化、tensorrtx介绍、CUDA编程方法）、实践篇（Ubuntu和Windows10系统上的TensorRT部署演示）、代码解析篇（YOLOv5的TensorRT加速的代码解析） 。本课程提供注释后的YOLOv5的TensorRT加速代码。

目录：
1-1.课程介绍.mp4
2-1.YOLOv5网络架构与组件.mp4
2-2.TensorRT基础.mp4
2-3.TensorRT INT8量化.mp4
2-4.tensorrtx介绍.mp4
2-5.CUDA编程方法.mp4
3-1.安装PyTorch.mp4
3-2.安装yolov5.mp4
3-3.安装TensorRT.mp4
3-4.测试TensorRT.mp4
3-5.安装opencv.mp4
3-6.克隆tensorrtx.mp4
3-7.生成yolov5s.wts文件.mp4
3-8.编译tensorrtx下的yolov5.mp4
3-9.执行TensorRT加速后的命令.mp4
3-10.TensorRT INT8量化实践.mp4
4-1.安装环境.mp4
4-2.安装yolov5.mp4
4-3.安装TensorRT.mp4
4-4.测试TensorRT.mp4
4-5.克隆tensorrtx和生成yolov5s.wts文件.mp4
4-6.修改cmakelist文件.mp4
4-7.编译tensorrtx下的yolov5.mp4
4-8.执行TensorRT加速后的命令.mp4
4-9.TensorRT INT8量化加速实践.mp4
5-1.utils代码解析.mp4
5-2.gen_ wts.py代码解析.mp4
5-3.logging代码解析.mp4
5-4.calibrator代码解析.mp4
5-5.yololayer.h代码解析.mp4
5-6.yololayer.cu代码解析.mp4
5-7.common.hpp代码解析.mp4
5-8.yololayer.cpp代码解析.mp4
5-9.yolov5_ trt.py代码解析.mp4
6-1.YOLOv5 6.0更新.mp4
课件资料.zip