• 零代码：只需配置文件（json文件）和权重文件即可生成engin文件，实现trt部署。
• 自动化生成配置文件：由pt模型文件可以自动化生成json文件。
• 可视化网络：便于查验和原始网络（比如pytorch）的区别。
• debug教程：方便对比trt输出和pytorch模型输出的区别，从而方便定位部署上的问题。

tensorrtCV
    |
    |- src
    |  |
    |  |- plugin
    |  |  |-xxx.h xxx.cu
    |  |-xxx.cpp
    |  |-xxx.h
    |- example
    |  |
    |  |-ddrnet
    |  | |-main.cpp
    |
    |  |-yolov5
    |  | |-main.cpp
    |
    |- model
    |  |-xxx.json

• src 为tensort项目的主代码目录。其中包含plugin目录存放啊各种plugin
• example目录中为不同网络的demo代码
• model目录中为各种网络的json文件。

统一使用cmake管理，**需要在CMakeLists手动修改 OpenCV_DIR TENSORRT_DIR **

编译命令：

mkdir build
cd build
cmake .. 
// win下指定vs编译
// cmake .. -G "Visual Studio 15 2017 Win64"
make
// win下vs打开tensorrtF.sln编译运行

• pytorch-classification

• 小白系列教程
• json网络可视化

欢迎各位同学PR模型配置(json文件)和新功能。 另外，请关注我的微信公众号（CV加速器），定期有直播讲解整个工程和集中回答问题。