competation

requirements python env yolov5 commit id yolov5 requirements.txt pip train code pytorch 转换为 tensorrt engine run pt run engine TODO requirements python env conda 22.9.0 python==3.7.4 yolov5 commit id yolov5 commit id: 3f02fdee1d8f1a6cf18a24be3438096466367d9f yolov5 requirements.txt # Usage: pip install -r requirements.txt # Base ------------------------------------------------------------------------ gitpython #>=3.1.30 matplotlib==3.2.2 #>=3.3 numpy==1.16.5 #>=1.22.2 opencv-python==4.6.0.66 #>=4.1.1 Pillow # >=10.0.1 psutil # system resources PyYAML>=5.3.1 requests>=2.23.0 scipy>=1.4.1 thop>=0.1.1 # FLOPs computation #torch>=1.8.0 # see https://pytorch....

environment building 安装tensorrt-8.6.1环境： 手动下载tensorrt lib8.6.1后上传至服务器安装（https://pypi.nvidia.com/tensorrt-libs/tensorrt_libs-8.6.1-py2.py3-none-manylinux_2_17_x86_64.whl） 安装pycuda前， sudo apt-get install python3.8-dev libxml2-dev libxslt-dev tips pt2onnx 转换生成的如果是static的onnx，那么就无法生成dynamic的engine了 reference TODO dynamic shape model: https://zhuanlan.zhihu.com/p/299845547 training tips 💡 Add –cache ram or –cache disk to speed up training (requires significant RAM/disk resources). experiments TODO 0.如何将dynamic输入的模型调通？使用不加padding的letterbox得到正确结果 1.ultralytics默认选项设置训练出来的模型，对于resize、letterbox的适应性试验； 2.如果适应很好，可以替换letterbox 3.如果适应不好，需要： 1）使用torch重构letterbox； 2）使用cuda memcp的stride格式（存在么？） 使用cuda memcpy可以从torch tensor中拷贝么？或者直接使用torch tensor的cuda显存？ 优化目前的myletterbox 5）训练一个真正的dynamic输入的模型 4.如何训练出可以接受resize输入，不需要补齐黑边的模型