TensorRT-YOLO

把 YOLO 模型在 NVIDIA 上跑得又快又省心

TensorRT-YOLO 是一个面向 NVIDIA GPU 的 YOLO 系列模型部署工具包，旨在让 YOLO 的推理部署更简单、更快速。它基于 TensorRT 进行深度优化，支持目标检测、实例分割、姿态估计、旋转目标检测和图像分类等多种视觉任务。项目解决了 YOLO 模型在 TensorRT 上转换流程繁琐、性能调优困难的问题，提供了从模型导出、量化到推理的完整流水线，并内置了多种主流 YOLO 变体的支持。其核心能力包括高吞吐低延迟的推理引擎、易于集成的 C++ API、以及针对不同硬件平台的自动调优。对于需要将 YOLO 模型高效部署到 NVIDIA 嵌入式设备或服务器的开发者，该工具能显著缩短开发周期并提升运行性能。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1884

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队laugh12321

所属国家

官网地址trtyolo.laugh12321.cn

GitHubhttps://github.com/laugh12321/TensorRT-YOLO

定价模式free

价格说明开源免费，基于MIT许可证

访问状态

是否开源是

开源协议GPL-3.0

主要语言C++

技术栈/模型computer-vision,image-classification,instance-segmentation,object-detection,pose-estimation,rotated-object-detection,tensorrt,tensorrt-inference,tensorrt10,ultralytics,yolo,yolo11,yolo26,yolov5,yolov8

GitHub 星标★ 1884

30天Star增速

HF 下载量

上线时间2024-01-28 00:00:00

最近更新2026-09-02 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-02

浏览次数2

核心亮点

内置多种 YOLO 变体（检测/分割/姿态）的 TensorRT 转换模板，开箱即用
提供端到端部署流水线，从 ONNX 导出到量化推理一步到位
针对 Jetson 和独立 GPU 做了性能调优，实测帧率提升明显

不足之处

主要面向 C++ 用户，Python 绑定支持较弱
文档偏重英文，中文社区资料较少

适用场景

自动驾驶中的实时目标检测与姿态估计
工业质检场景的实例分割与旋转目标检测
边缘设备（如 Jetson）上的低延迟视觉推理

替代项目

YOLOv8-TensorRT、DeepStream-YOLO、ultralytics-yolov8

项目介绍

TensorRT-YOLO 是一个计算机视觉领域的开源项目，官方简介：Easier & Faster YOLO Deployment Toolkit for NVIDIA ️。项目使用 C++ 开发，在 GitHub 上获得 1884 星标。

上一篇：frigate-hass-integration

下一篇：没有了！