在Windows环境下不使用CMake搭建TensorRTX YOLOv5项目

背景介绍

TensorRTX是一个基于NVIDIA TensorRT的高性能推理框架，专门为YOLO系列模型优化。传统上，开发者会使用CMake工具来构建和配置TensorRTX项目，但在某些Windows开发环境下，开发者可能更倾向于直接使用Visual Studio进行项目配置和构建。

环境准备

在开始之前，需要确保系统已安装以下组件：

• Visual Studio 2019
• CUDA 11.3
• TensorRT 8.2.4.2
• OpenCV 4.6.0
• 兼容的NVIDIA显卡驱动（如RTX 3080）

项目配置步骤

1. 创建Visual Studio项目

首先在Visual Studio 2019中创建一个空的C++项目，然后将TensorRTX YOLOv5的源代码文件添加到项目中：

• 头文件：包括calibrator.h、config.h、cuda_utils.h等
• 源文件：包括calibrator.cpp、model.cpp、postprocess.cpp等
• CUDA文件：包括preprocess.cu、yololayer.cu等

2. 配置项目属性

在项目属性中进行以下配置：

包含目录设置：

• OpenCV头文件路径
• CUDA头文件路径
• TensorRT头文件路径

库目录设置：

• OpenCV库路径
• CUDA库路径
• TensorRT库路径

链接器输入：

• 添加必要的库文件，包括nvinfer.lib、cudnn.lib、opencv_world460d.lib等

3. CUDA相关配置

1. 在项目生成依赖项中勾选CUDA 11.3.target
2. 将包含CUDA代码的.cpp和.cu文件的项类型改为"CUDAC/C++"
3. 在C/C++命令行中添加/D_CRT_SECURE_NO_WARNINGS
4. 在CUDA C/C++命令行中添加特定编译选项

4. 链接器配置

1. 在链接器命令行中添加/machine:x64
2. 在CUDA链接器命令行中添加特定选项

常见问题解决

在配置过程中可能会遇到以下问题：

1. 编译错误：通常是由于CUDA编译选项不正确导致，检查CUDA版本与显卡架构是否匹配
2. 插件相关错误：确保正确导出了插件符号，并初始化了所有必要成员
3. 库链接错误：检查所有依赖库路径是否正确，特别是TensorRT和CUDA库

项目构建与运行

完成上述配置后，可以正常构建项目。使用时需要注意：

1. 模型转换流程仍然是pt→wts→engine
2. 生成engine文件时需要指定正确的模型大小参数
3. 对于实时摄像头检测，可以在代码中使用OpenCV的VideoCapture功能实现

与传统CMake方式的对比

直接使用Visual Studio配置相比CMake有以下特点：

• 更直观的图形化配置界面
• 便于集成到现有Visual Studio项目中
• 调试体验更佳
• 但跨平台兼容性较差

总结

本文详细介绍了在Windows环境下不使用CMake工具，直接通过Visual Studio 2019配置和构建TensorRTX YOLOv5项目的方法。这种方法适合习惯Visual Studio开发环境的Windows平台开发者，提供了另一种项目配置的选择。通过合理的环境配置和问题排查，可以成功实现YOLOv5模型的高性能推理部署。