PyTorch版的YOLOv8支持高性能实时实例分割方法。 TensorRT是针对英伟达GPU的加速工具。

本课程讲述如何使用TensorRT对YOLOv8实例分割进行加速和部署，实测推理速度提高3倍以上。

 采用改进后的tensorrtx/yolov8的代码，使用TensorRT API构建优化推理引擎
 支持在GPU上端到端TensorRT加速部署，包括预处理（图像resize, BGR->RGB，归一化）、网络推理在GPU上执行
 提供C++和Python的TensorRT加速命令接口
 分别在Windows和Ubuntu系统上做YOLOv8的TensorRT加速和部署演示
 支持图片、图片文件夹、视频文件的TensorRT的加速推理
 提供YOLOv8的TensorRT加速部署代码和代码解析文档

课程内容包括：原理篇（YOLOv8网络架构、YOLOv8实例分割网络输出、TensorRT基础、CUDA编程方法）、实践篇（Windows和Ubuntu系统上的TensorRT加速部署演示）、代码解析篇（YOLOv8实例分割的TensorRT加速的代码解析） 。本课程提供YOLOv8的TensorRT加速部署代码和代码解析文档。