0
点赞
收藏
分享

微信扫一扫

Jetson Nano( 十一)Deepstream6.0 + yolov3/v5多路推理配置流程

Jetson Nano下Deepstream6.0 + yolov3/v5多路推理配置流程;并简单记录下deepstream的配置文件。

文章目录

一.环境

二.大体流程

——1.Deepstream yolov3-tiny:

  • 1.1.准备模型

拷贝weights和cfg文件至下目录:

cd /opt/nvidia/deepstream/deepstream/sources/objectDetector_Yolo
CUDA_VER=10.2 make -C nvdsinfer_custom_impl_Yolo
  • 1.2.运行
 #运行deepstream案例
deepstream-app -c deepstream_app_config_yoloV3_tiny.txt
  • 1.3.自训练模型

——2.Deepstream yolov5:

  • 2.1.模型转换(这里建议在电脑上操作,也可在Jeston上操作;需要配置pytorch环境)
git clone https://github.com/marcoslucianops/DeepStream-Yolo.git
cd DeepStream-Yolo/utils
#主要拷贝转换脚本到yolov5项目下即可
cp gen_wts_yoloV5.py ../../yolov5
cd ../../yolov5
python gen_wts_yoloV5.py -w  ./yolov5n.pt -c ./models/yolov5n.yaml
  • 2.2.模型拷贝至Jetson
  • 2.3.部署模型
git clone https://github.com/marcoslucianops/DeepStream-Yolo.git
#将项目拷贝至deepstream/source下
cp -r DeepStream-Yolo /opt/nvidia/deepstream/deepstream/source
cd /opt/nvidia/deepstream/deepstream/source/DeepStream-Yolo
#这里使用的默认模型
CUDA_VER=10.2 make -C nvdsinfer_custom_impl_Yolo
  • 2.4.自训练模型:
  • 2.5.运行
#运行deepstream案例
deepstream-app -c deepstream_app_config.txt

三.配置文件说明

  • config_infer_primary_yoloV5.txt
    1.主要用于模型转换配置,是属于模型层面的配置。
  • deepstream_app_config.txt
    1.主要用于deepstream相关视频和显示的配置,是属于应用层的配置。

四.性能记录

模型batchsize精度输入尺寸路数FPS(avg)
yolov5n 6.04fp3264045.6
yolov3-tiny4fp32416417.2
yolov3-tiny4fp16416419.0
  • 避免误差4路视频为同一个mp4。

五.参考

举报

相关推荐

0 条评论