pytorch 49 GroundingDINO导出为onnx模型实现python与c++部署
本博文实现了在win环境下，将GroundingDINO模型导出为onnx模型，并基于cmakelist生成c++项目实现模型的部署。并分析了官方项目为什么不能直接导出onnx，主要基于https://github.com/wenyi5608/GroundingDINO项目公开的代码实现项目，只是补充了c++配置项，实现了模型转tensorrt格式。
在600x600的输入下，3060显卡，torch推理、python-onnx、c+±onxx推理速度均在0.1s左右。将模型转换为tensorrt后基于trtexec 工具测速，发现可以达到50ms一张图，后续将实现tensorrt c++的部署。
1、项目差异分析
1.1 IDEA-Research
项目地址：https://github.com/IDEA-Research/GroundingDINO
外层推理代码：
可以发现是直接将image和text输入到模型，基于这种方式是无法导出onnx模型
caption = preprocess_caption