Pytorch-yolov3项目源码来自：https://github.com/eriklindernoren/PyTorch-YOLOv3 模型来源：自定义训练，车辆识别，数据集来自公司内部，分类为1，训练在公司服务器docker集成训练
其项目主要是移植到jetson nano进行tensorrt加速，最开始用的方法是
基本照着走，没什么问题，基本上算是成功，因为转换tensorrt时候提示内存不足溢出，偶尔可以转，后面怎么都不行了。项目主要用的2个源码实现：
https://github.com/NVIDIA-AI-IOT/torch2trthttps://github.com/DocF/YOLOv3-Torch2TRT 以上源码都是在jetson nano操作，不过效果好像不太好，我测试图片还是训练集里面的一个也没给我框出来。由于没有转成tensorrt这个方法暂时被抛弃了。我采用的是pth->weights->onnx->trt
，转换weights请参考，官方issue里面有，不过是个巨坑，没用，用这个博客才是正道。转换我用了darknet框架运行了，发现效果没变，证明转换是没错的。然后转换weights->onnx->trt，我是参照官方教程改的已经跑通。我用的环境是:
ubuntu18.04
cuda10.0+cudnn7.6.5
Anaconda3+python3.7
tensorrt7.0.0.11
onnx==1.8.0(用1.4.1出错)
目前测试电脑正常，后面jetson nano照着这个流程试试。