tensorrtx yolov8 dll

### 使用 TensorRTX 构建 YOLOv8 的 DLL 文件

为了使用 TensorRTX 构建 YOLOv8 的动态链接库 (DLL)，需要遵循一系列特定的操作流程。以下是详细的说明：

#### 准备环境
确保安装并配置好 NVIDIA CUDA 和 cuDNN，以及最新版本的 TensorRT SDK[^2]。

#### 下载和准备源码
获取最新的 `tensorrtx` 仓库，并下载预训练好的 YOLOv8 权重文件 `.pt` 或者转换成适合 TensorRT 输入格式如 ONNX 格式的模型文件[^1]。

#### 转换模型至ONNX格式
如果原始权重不是ONNX格式，则需先将其转为该格式以便后续处理：

import torch
from yolov5.models.experimental import attempt_load

device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = attempt_load('path_to_yolov8.pt', map_location=device)  # 加载PyTorch模型
dummy_input = torch.randn(1, 3, 640, 640).to(device)
torch.onnx.export(model, dummy_input, "yolov8.onnx", opset_version=11)

#### 修改 CMakeLists.txt 配置编译选项
编辑 `tensorrtx/yolov5/CMakeLists.txt` 文件以适应新的架构需求，特别是针对 YOLOv8 特定层的支持。

#### 编写导出函数定义头文件 (.h)
创建一个新的头文件用于声明外部可见的功能接口，例如 `export_yolov8.h`:

#ifndef EXPORT_YOLOV8_H_
#define EXPORT_YOLOV8_H_

#ifdef __cplusplus
extern "C" {
#endif

// 导出检测功能
__declspec(dllexport) void* createYoloDetector(const char*);

__declspec(dllexport) int detectObjects(void*, float***, int**, float);

__declspec(dllexport) void destroyYoloDetector(void*);

#ifdef __cplusplus
}
#endif

#endif //EXPORT_YOLOV8_H_

#### 实现对应的 CPP 源代码实现文件(.cpp)
编写实际逻辑来加载 ONNX 模型并通过 TensorRT 进行推理，保存为 `export_yolov8.cpp`:

#include <NvInfer.h>
#include "export_yolov8.h"

static ILogger gLogger;
void* detector;

// 创建探测器实例...
void* createYoloDetector(const char *onnxFile){
    // ...省略具体细节...

}

int detectObjects(/* 参数列表 */){
    // 执行推断操作...
    
}

void destroyYoloDetector(){
    // 清理资源...
}

#### 编译生成 DLL 文件
利用上述修改后的项目结构，在命令提示符窗口中执行如下指令完成最终目标——生成可供调用的共享库(`.dll`)文件:

mkdir build && cd build
cmake ..
cmake --build . --config Release

成功之后会在 `build/Release` 目录找到所需的 DLL 输出产物。