1. 环境准备与模型转换
在Windows10系统下部署YOLOv8模型到Qt应用,首先需要搭建完整的开发环境。我推荐使用以下版本组合,这是经过多次实测验证的稳定配置:
- CUDA 11.8
- CuDNN 8.9
- TensorRT 8.6.1.6
- OpenCV 4.9.0
- Qt 5.9.9
- Visual Studio 2019(使用MSVC2017编译器)
安装CUDA时有个细节容易忽略:安装完成后需要手动添加环境变量。除了默认的CUDA_PATH,还要确保将以下路径加入系统PATH:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
模型转换分为两个关键步骤:
- 使用Ultralytics官方工具将.pt模型转为ONNX格式:
yolo export model=yolov8n.pt format=onnx opset=12 simplify=True
- 通过TensorRT的trtexec工具生成优化后的.engine文件:
trtexec --onnx=yolov8n.onnx --saveEngine=yolov8n.engine --buildOnly --minShapes=images:1x3x640x640 --optShapes=images:4x3x640x640 --maxShapes=images:8x3x640x640
注意:如果遇到"Unsupported O
539



被折叠的 条评论
为什么被折叠?



