前言
使用的是最新的项目，因为新的项目都把代码写好了，直接调用就行了。。。意思操作更无脑了。
前提需要安装TensorRT，使用操作只需要两步。。。麻烦在于环境的安装。
加速流程：导出.engine格式权重文件，加载engine文件自动调用tensorRT。
〇、准备工作：
1.安装TensorRT
参考我另一篇博客超简单安装TensorRT(仅限python)
2.更新项目
使用的最新版的yolov5 6.0或6.1
没更新的更新项目：
git clone https://ghproxy.com/https://github.com/ultralytics/yolov5
3.检查依赖
一定要记得激活环境！
conda actiavate <环境名>
pip install -r requirements.txt
不存在的包会自动更新。
二、导出权重文件
.pt导出为.engine
形式：
python export.py --weights pt权重文件路径 --data 你数据集yaml文件路径 --include engine --device 0
- weights 权重文件路径
- data 数据集yaml文件路径
- include 要导出的模型
- device 使用设备，0代表使用gpu
举例：
python export.py --weights models/weights/demo.pt --data data/data.yaml --include engine --device 0 --half
-- half 开启半精度推理会快一些
如果导出过程中报错，说哪个库没有装，就去装完库在执行上面导出命令
导出的结果和自己的pt文件在一个路径下。
三、使用tensorRT加速
python detect.py --source xxx/xxx/valid/images --data xxx/xxxx/xx.yaml --weights xxx/xxx/demo.engine --device 0