nvcc -V，我的是10.0
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0include，到CUDA的include目录下找到cudnn.h，打开后下图即是版本，我的是7.6.5
3、下载Opencv3.4
OpenCV 3.4 - OpenCVhttps://opencv.org/opencv-3-4.html
下载完后随便找个地方解压，然后添加环境变量。
4、安装TensorRT（网页最下面可以选中文）点击立即下载，点击TensorRT 7
NVIDIA TensorRT | NVIDIA Developerhttps://developer.nvidia.com/tensorrt
选择合适的版本下载并找个地方解压
配置环境变量，将解压之后的lib的路径添加到环境变量中，如
F:tensorrt_tarTensorRT-7.0.0.11.Windows10.x86_64.cuda-10.0.cudnn7.6TensorRT-7.0.0.11lib
将lib下的dll文件放到CUDA的bin目录下，我的是C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0bin
5、安装pycuda如果要使用python接口的tensorrt，则需要安装pycuda
pip install pycuda
6、下载tensorrtxgit clone https://github.com/wang-xinyu/tensorrtx.git
下载文件dirent.h
https://github.com/tronkko/direnthttps://github.com/tronkko/dirent
然后在 tensorrtx路径下创建include，把dirent.h放进去
二、yolov5的TensorRT加速将tensorrtx/yolov5/gen_wts.py复制到自己的yolov5目录下，将要处理的权重best.pt也放在这个路径下。
注：此处开始与网上大部分教程不同 1、运行gen_wts.py生成best.wts
以前似乎是不需要指定权重路径的，现在必须指定。
在对应路径下运行 python gen_wts.py -w best.pt，会在同目录生成best.wts文件。
将best.wts复制到F:tensorrtxtensorrtxyolov5下（换成自己的路径，没有build就新建一个）
2、修改CMakeList修改F:tensorrtxtensorrtxyolov5目录下（换成自己的路径）的CMakeList.txt。
最新版本的tensorrtx下载下来CMakeList大概长这样
我们需要在网上找一份以前的CMakeList然后做修改，大概长这样。
需要修改的部分：每一个#123456都看一看需不需要改成自己电脑上的路径。
除此之外！！1、在add_definitions(-std=c++11)下面添加add_definitions(-DAPI_EXPORTS)。
2、修改add_executable(yolov5 ${PROJECT_SOURCE_DIR}/calibrator.cpp yolov5 ${PROJECT_SOURCE_DIR}/yolov5.cpp ${PROJECT_SOURCE_DIR}/yololayer.cu ${PROJECT_SOURCE_DIR}/yololayer.h)
在(yolov5后面加上 preprocess.cu preprocess.h
3、修改F:tensorrtxtensorrtxyolov5下的yololayer.h，把static constexpr int CLASS_NUM =后面填上你自己的权重对应的类别。
4、然后就可以用cmake编译了。
如果之前没有错误，此时依次Configure, Generate,OpenProject自动打开VS2017，使用Release模式，生成-生成解决方案就可以了。
3、生成engine把best.wts复制到F:tensorrtxtensorrtxyolov5buildRelease目录下，执行
yolov5.exe -s best.wts best.engine s
然后就可以得到best.engine
测试：
弄点图片到这个路径下来，新建个文件夹img放入其中，执行yolov5.exe -d best.engine img
这就表示成功了。
我的CMakeLists.txt
链接：https://pan.baidu.com/s/1rNtliwxt7J4NfCNUmcCO6w
提取码：b8fo
