YOLOv5(PyTorch)目标检测实战 基于TensorRT的高效部署与加速部署实战 应用案例分享

===============课程介绍===============
在这个课程中，我们将深入介绍YOLOv5目标检测算法以及PyTorch框架的使用方法。随后，我们将重点关注TensorRT加速技术，讲解其原理、优势以及如何使用TensorRT对YOLOv5模型进行加速。
通过实践项目演示和案例分享，您将学会如何有效地利用TensorRT加速部署YOLOv5模型，并掌握性能优化的关键技巧。无论您是初学者还是有一定经验的开发者，本课程都将为您提供实用的知识和技能，助您在目标检测领域取得更大的成就。
===============课程目录===============
├─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
├─3-10.TensorRT INT8量化实践.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
├─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