本文主要是介绍MMDeploy部署实战系列【第六章】：将编译好的MMdeploy导入到自己的项目中 (C++)，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

MMDeploy部署实战系列【第六章】：将编译好的MMdeploy导入到自己的项目中 (C++)

⭐ ⭐ ⭐ 这个系列是一个随笔，是我走过的一些路，有些地方可能不太完善。如果有那个地方没看懂，评论区问就可以，我给补充。

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

目录：

0️⃣ mmdeploy源码安装 (转换faster rcnn r50/yolox为tensorrt，并进行推理)_gy77

内容：一文包含了在Linux系统下安装mmdeploy模型转换环境，模型转换为TensorRT，在Linux，Windows下模型推理，推理结果展示。

MMDeploy部署实战系列 ：

1️⃣ MMDeploy部署实战系列【第一章】：Docker，Nvidia-docker安装_gy77

内容：docker/nvidia-docker安装，docker/nvidia-docker国内源，docker/nvidia-docker常用命令。

2️⃣ MMDeploy部署实战系列【第二章】：mmdeploy安装及环境搭建_gy77

内容：mmdeploy环境安装三种方法：源码安装，官方docker安装，自定义Dockerfile安装。

3️⃣ MMDeploy部署实战系列【第三章】：MMdeploy pytorch模型转换onnx，tensorrt_gy77

内容：如何查找pytorch模型对应的部署配置文件，模型转换示例：mmcls：resnext50，mmdet：yolox-s，faster rcnn50。

4️⃣ MMDeploy部署实战系列【第四章】：onnx，tensorrt模型推理_gy77

内容：在linux，windows环境下推理，Windows下推理环境安装，推理速度对比，显存对比，可视化展示。

5️⃣ MMDeploy部署实战系列【第五章】：Windows下Release x64编译mmdeploy（C++），对TensorRT模型进行推理_gy77

内容：Windows下环境安装编译环境，编译c++ mmdeploy，编译c++ mmdeploy demo，运行实例。

6️⃣ MMDeploy部署实战系列【第六章】：将编译好的MMdeploy导入到自己的项目中 (C++)_gy77

内容：Windows下环境导入我们编译好的mmdeploy 静态/动态库。

下面是正文：

官方文档： 操作概述 — mmdeploy 0.6.0 文档

项目环境配置：

1️⃣ 创建一个控制台应用，并起名inference_sdk（有自己项目的就在自己项目中直接修改即可，不用这一步）

2️⃣ 右下角属性管理器，右击Release |x64，因为我们编译mmdeploy时用的Release x64，这个要对应，新建一个项目属性表，起名mmlab。

3️⃣ 双击打开mmlab属性表，

这篇关于MMDeploy部署实战系列【第六章】：将编译好的MMdeploy导入到自己的项目中 (C++)的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！