了解深度学习模型的onnx转换并C++调用应用部署的过程
* 01 环境准备/
* 01 C++调用ONNX模型课程简介
* 02 python3.9的安装与配置
* 03 cuda和cudnn的安装与配置
* 04 pytorch的安装与配置
* 05 win10系统下的pytorch离线安装
* 06 pycharm开发IDE的安装
* 07 python第三方包的离线下载方法
* 08 libtorch的下载
* 09 libtorch vs2019 win10的配置
* 10 vs2017的介绍
* 02 onnx模型的C++调用/
* 01 C++的onnx环境搭建
* 02 pytorch的CRNN模型转onnx模型
* 03 CRNN的onnx模型的C++调用与测试
* 04 pytorch版本的DBnet文本检测模型转onnx模型
* 05 DBnet文本检测模型的C++调用与测试
* 06 yolov4模型的onnx转换
* 07 yolov4的onnx模型的C++调用与测试
* 08 pytorch版本的yolov5模型的onnx转换
* 09 yolov5的onnx模型的C++调用与测试
* 10 onnx环境的GPU配置
* 11 遇到的错误处理
* 12 新增OCR识别库工程以及优化代码
* 13 deeplabv3语义分割模型训练与测试
* 14 deeplabv3语义分割的onnx模型的C++调用
* 15 CRNN的工程代码中的bug修复
* 16 deeplabv3中C++工程中的bug修复
* 17 crnn和deeplabv3工程代码bug修复讲解
* 18 onnx代码健壮性增强与优化
* 19 使用onnx的cApi来调用crnn模型
* 03 结课测试/
* 01 结课测试
