文章首发于我的github仓库-cv算法工程师成长之路，欢迎关注我的公众号-嵌入式视觉。本文大部分内容为对ONNX官方资料的总结和翻译，部分知识点参考网上质量高的博客。一，ONNX概述深度学习算法大多通过计算数据流图来完成神经网络的深度学习过程。一些框架（例如CNTK，Caffe2，Theano和TensorFlow）使用静态图形，而其他框架（例如PyTorch和Chainer）使用动态图形。但是这些框架都提供了接口，使开发人员可以轻松构建计算图和运行时，以优化的方式处理图。这些图用作中间表示（IR），捕获开发人员源代码的特定意图，有助于优化和转换在特定设备（CPU，GPU，FPGA等）上运行

 前言上一篇博客给大家介绍了LabVIEW开放神经网络交互工具包【ONNX】，今天我们就一起来看一下如何使用LabVIEW开放神经网络交互工具包实现TensorRT加速YOLOv5。以下是YOLOv5的相关笔记总结，希望对大家有所帮助。内容地址链接【YOLOv5】LabVIEW+OpenVINO让你的YOLOv5在CPU上飞起来https://www.cnblogs.com/virobotics/p/16802248.html【YOLOv5】LabVIEWOpenCVdnn快速实现实时物体识别（ObjectDetection）https://www.cnblogs.com/virobotics

 前言上一篇博客给大家介绍了LabVIEW开放神经网络交互工具包【ONNX】，今天我们就一起来看一下如何使用LabVIEW开放神经网络交互工具包实现TensorRT加速YOLOv5。以下是YOLOv5的相关笔记总结，希望对大家有所帮助。内容地址链接【YOLOv5】LabVIEW+OpenVINO让你的YOLOv5在CPU上飞起来https://www.cnblogs.com/virobotics/p/16802248.html【YOLOv5】LabVIEWOpenCVdnn快速实现实时物体识别（ObjectDetection）https://www.cnblogs.com/virobotics