all_img = torch.tensor([])# 采用下面的语句读取图片img = torch.from_numpy(cv2.imread('{}.JPEG'.format(5))).unsqueeze(0)# 此时 img 的维度 （1,224,224,3）# 将img合并入all_img 中all_img = all_img.cat((all_img,img)) # 报错 Runtime

/模型类型[n/s/m/l/x/n6/s6/m6/l6/x6 or c/c6 gd gw]因此对于通道数比较多的卷积层和反卷积层，优化力度是比较大的；我学习的是 https://github.com/wang-xinyu/tensorrtx/blob/master/yolov5/yolov5_det_cuda_python.py。参考代码连接： https://github.com/wang-xi