LabVIEW图形化TensoRT工具包的安装下载分享

前言

Hello，大家好，我是virobotics（仪酷智能）。今天我们一起来看一下如何安装【 LabVIEWTensoRT工具包 】。

一、LabVIEW图形化TensoRT工具包简介

工具包特点：

1. 图形化编程 ：无需掌握文本编程基础即可完成机器视觉项目；
2. 直接的模型转换 ：可将Onnx模型（部分）转换至FP32、FP16或Int8的tensorRT模型（.trt或.engine）；
3. 极速推理接口 ：加载tensorRT模型，并进行极速推理（速度为Onnx-tensorRT的2~5倍）；
4. 自定义图层网络 ：面向资深玩家，可使用INetworkDefinition高级工具实现自己创建网络、查看或编辑已有的Onnx网络；

yolov5s在各工具包下的性能测评对比：

注：测试电脑cpu为i7-11800H，Intel集显为i7-11650G7，独显为笔记本RTX 3070（包括预处理和后处理）

yolov5s在tensoRT工具包下的运行速度：

二、LabVIEW图形化TensoRT工具包的安装

1、安装前的准备工作

• 确保你的电脑有==Nvidia独立显卡==，如果没有，建议使用其他工具包,TensorRT工具包需要Nvidia独立显卡的支持；
• 安装LabVIEW图形化TensorRT工具包之前， 请先安装LabVIEW 2018 64位或更高版本 ，切记需要64位版本哦，如已安装，无需重复安装。关于LabVIEW的安装，网上有很多教程，这里就不再赘述；
• 为了能够成功安装工具包，建议大家升级VIPM为VIPM-21 ，如有更高版本或已安装此版本，则无需重复安装;VIPM-21下载链接：https://download.csdn.net/download/virobotics/85463218
• 安装AI视觉工具包：techforce_lib_opencv_cpu-1.0.0.98.vip，安装步骤可查看：https://blog.csdn.net/virobotics/article/details/123656523

2、LabVIEW图形化TensoRT工具包及相关驱动安装与配置

配置cuda及cudnn

• ① 如果你的电脑有Nvidia独立显卡的话，配置cuda 11.3和cudnn（之后实例会以11.3为例）。
• ② 安装包提供了cuda+cudnn的免安装包，免安装包路径：“..cuda113bin.7z”，解压bin压缩包，可以放任意位置。把里面的bin文件夹设置为环境变量。
  
• ③ 在命令行中执行 nvcc –V 查看cuda是否已经成功配置，如下所示为成功配置
  
• ④ 电脑关机重启；

安装TensoRT工具包

1. 确保已安装cuda 11.0~11.6中任意一个版本（建议为11.3）和对应的cudnn，并配置好环境变量；
2. 安装前请将labview.exe设置为管理员启动，如下图（安装完成后请记得改回）
   
3. 管理员身份打开vipm
4. 双击并运行【 virobotics_lib_tensorrt-1.0.0.22.vip 】开始安装，安装过程会自动安装tensoRT驱动包；
5. 等待几秒钟会出现如下界面，点击Install进行安装 ；
   
6. 安装需要几分钟，等待一会，出现如下界面，均显示为No Errors即成功安装，点击Finish即可；
   
7. 成功安装后重启LabVIEW并新建VI，在 程序框图面板 (记得是程序框图面板，不是前面板哦)中鼠标右键-->点击Addons-->可以看到附加工具包Addons中多了一项"VIRobotics"-->点击VIRobotics-->点击函数选版TensoRT，可以找到我们刚刚安装好的工具包中TensoRT的相关函数。拖入onnx_to_engine.vi如能运行则表示安装成功
   

3、常见安装错误

1、VIPM安装界面显示一直在连接LabVIEW，打开LabVIEW之后看到环境变量添加失败提示

解决办法：点击OK，继续安装工具包，安装完成之后，手动将一下路径添加到系统环境变量Path中。

C:ProgramDataVIRoboticsdriverTensorRTlib

2、拖动onnx_to_engine.vi到程序框图面板报错

解决办法：请确保电脑的cuda已经配置好，请确保TensorRTlib已经添加到系统环境变量中，如还报错，建议关机重启

三、LabVIEW图形化TensoRT工具包及相关驱动下载

如需工具包，可关注微信公众号VIRobotics，回复关键字：tensorRT工具包

总结

以上就是今天要给大家分享的内容，希望对大家有用。我是virobotics（仪酷智能），我们下篇文章见~

如果有问题可以在评论区里讨论。觉得内容不错，可点赞收藏哦，如您想要探讨更多关于LabVIEW与人工智能技术，欢迎加入我们：705637299，进群请备注：LabVIEW机器视觉

如果文章对你有帮助，欢迎关注、点赞、收藏

审核编辑 黄宇