徐静
基于自己的任务，合理选择，YOLOv4-tiny, YOLOv4-csp,,YOLOv4-p5,p6,p7
包含了必要的库。关于错误的解决办法，可以参考：,应该是解决了，我没有尝试
作者用的是Mish-cuda, 在编译的时候把该方法重命名成mc了，所以无法使用预训练模型，尽量编译Mish-cuda，我曾问过作者我这种实现会不会有其他影响，作者的回复是主要的影响还是Mish-cuda的显存优化和运算速度快. 我用的是32G的V100,识别精度肯定会受影响，因为YOLOv4-P7的anchor尺寸比较大， P6和P7的网络分支对原图的缩放比较严重，如果Input分辨率太小，就相当于YOLOv4-p7的 P6和P7分支基本不起作用了。尽量用大分辨率。 感觉YOLOv4-P7之所以精度高策略还是不断的从横向和纵向上搭建更大的网络，并且不断的提高Input的分辨率。YOLOv4-P7的推断速度也不是很快，在V100上我饿测试是大约FPS为6。
如果你用的是TensorRT 7.0及以下的版本，则转onnx时opset_version=10，此时需要按照将7个output转为[1,89760,19]维度的tensor，如果你是用的是TensorRT 7.2则在转onnx时opset_version=12,此时是可以正常输出[1,89760,19]维度的tensor的
后处理是不是正确比如有没有做NMS? 请自行检查 前处理，后处理代码，很可能问题出在TensorRT output后的后处理部分。
近期会更新项目包括训练结果的可视化，单张图像和视频的测试代码及TensorRT模型转换的代码和调用，请大佬持续关注
> 非常不错！
因为近期小伙伴要数据的比较多，我稍后会在10点半更新Github最新的下载链接，请关注。给大家添堵了非常抱歉
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.5.0,试一下。