文章目录

• 前言
• 一、yolov5->ONNX
• 二、使用步骤
• • 1.引入库
  • 2.读入数据
• 总结

前言

本博客主要出于记录阶段性工作，内容如果有误，还请各位小伙伴不吝指正！

环境配置和依赖： 本人C++菜鸡，项目使用的是TensorRT文件夹下的sample/sample_mnist项目，然后在里面写cpp文件，这个方式对我这样的新手很友好~（github上的sln属实没有一个能配置成功的）。

基础知识： 有关于YOLO、TensorRT基本原理的这篇就不详细介绍了。

TensorRT模式： 这里使用最简单的模式，即固定宽高、固定batch数目。

一、yolov5->ONNX

	我使用的是yolo官方github的v6.0版本，移除了Focus模块并且激活函数替换为了SiLU。官方项目中自带了转ONNX的export.py文件，下载权重后直接运行就可以导出。
	导出后就可以使用netron查看模型结构了，https://netron.app/这个链接可以直接查看。
	![太大了一个图截不全](https://img-blog.csdnimg.cn/ede3aaf1ad6542ee96525afd232ac3ce.png)
	这里面有一些细节可以可以关注，比如最开始的下采样模块在原始的v1.0版本使用的Focus模块，在做之前我还担心TensorRT不支持，不过V6.0中已经变成了两个卷积。
	![下采样模块](https://img-blog.csdnimg.cn/cb78d56f90ab489bb953e7e6e103428f.png)

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。