yolov5测试

tensorrt检测加跟踪：

YoloV5_JDE_TensorRT_for_Track:基于张量的多目标跟踪库-源码_jde多目标跟踪-其它代码类资源-CSDN下载

关于tensorboard：

安装：

torch1.8.0以上，自带tensorboard

低版本可能没有，单独安装：

pip install tensorboardX

调用：

from tensorboardXimport SummaryWriter

这个参数感觉不需要，去掉了。

self.training |= self.export

https://github.com/ultralytics/yolov5

测试结果：

1060上，640*640 模型27m yolov5s batch size 12是ok的

1060上，640*640 模型85m yolov5m batch size 8是ok的

测试代码：

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--cfg', type=str, default='yolov5s.yaml', help='model.yaml')
    parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    opt = parser.parse_args()
    opt.cfg = glob.glob('./**/' + opt.cfg, recursive=True)[0]  # find file
    device = torch_utils.select_device(opt.device)
 
    # Create model
    model = Model(opt.cfg).to(device)
    model.eval()
    torch.save(model.state_dict(), f'v2.pth')
    input = torch.randn(12, 3, 640, 640).cuda()
    for i in range(10):
        start = time.time()
        output = model(input)
        print('output.size ', time.time() - start, output[0].size())
        del output