RT-DETR-V2 TensorRT C++ 部署

RT-DETRv2_TensorRT_Cplusplus

  前几天看到RT-DETR都到V3了,有同事问搞过DETR没,之前还真部署玩过,写了两篇博客【DETR tensorRT 部署】和【DETR tensorRT部署去除推理过程无用辅助头+fp16部署再次加速+解决转tensorrt 输出全为0问题的新方法】,当时部署DETR时有两个问题:第一个,不用预训练权重训练自己数据集MAP为0;第二个部署tensorRTs时输出全为0。第一个问题参考官方提供的加载预训练权重很容易解决,第二个问题部署tensorRT输出全为0的问题,网上资料很少,困扰了很久,反反复复思考,是找到了一个解决方法,但后续又详细研究了一下detr,最终想到一个解决的输出全为0的新方法,不仅部署简单而且速度更快。趁着这两天有时间抓紧折腾一下rt-detr,本来想部署一下rt-detr-v3,奈何代码还没开源,那就折腾一下rt-detr-v2。

RT-DETRv2 tensorrt C++ 部署

【完整代码】

本示例中,包含完整的代码、模型、测试图片、测试结果。

TensorRT版本:TensorRT-8.6.1.6

rt-detrv2 训练

训练参考官方开源代码。

导出onnx模型

在官方导出onnx 的基础上进行简单的调整,这里不需要动态batch,也不需要进行解码到输入分辨率,进行了如下调整:

python 复制代码
        def forward(self, images, orig_target_sizes):
            outputs = self.model(images)
            # outputs = self.postprocessor(outputs, orig_target_sizes)
            outputs = torch.sigmoid(outputs['pred_logits']), outputs['pred_boxes']
            return outputs


    model = Model()
    data = torch.rand(1, 3, 640, 640)

    torch.onnx.export(
        model, 
        data,
        args.output_file,
        input_names=['images'],
        output_names=['output1', 'output2'],
        opset_version=16, 
        verbose=False,
        do_constant_folding=True,
    )

最终导出的onnx结构如下:

onnx 运行结果

onnx 测试脚本【链接】

TensorRT C++ 部署

tensorrt 环境搭建参考官方文档,主要版本和cuda匹配。

1、修改Tensorrt使用版本

2、修改代码中模型对应的路径

3、编译运行

shellpower 复制代码
# 编译
cd RT-DETRv2_TensorRT_Cplusplus
mkdir build
cd build
cmake ..
make


# 运行
./detr_trt

tensorrt 运行结果

特别说明:本示例用fp16精度掉的非常多,默认使用的fp32。

运行时耗

本示例使用的是 rtdetrv2_r18vd_120e_coco.yml 模型,模型输入分别率640x640,显卡rtx4090,cuda12.5,fp32。

待解决问题

用FP16精度丢的很严重,目前还不知道为啥。

相关推荐
7177778 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn9 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健9 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道9 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor99610 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
字节跳动视频云技术团队11 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术11 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能
Forget the Dream12 小时前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
郝学胜-神的一滴12 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
火山引擎开发者社区13 小时前
豆包工作,3 个月,800 万,20 亿
人工智能