requirements.txt

###########################################################################################################################
# 
# 模块版本号可以自行调整，没需求直接装最新版就可以了，这里写的版本是开发过程中使用的版本
# 
# UI框架
PyQt5==5.15.11
# 投屏框架
scrcpy-client==0.4.7
# torch，脚本使用了torch的张量运算库，所以需要安装torch
# 只需安装CPU版本即可，不使用其推理功能，后期可以优化使用numpy算法代替torch，去掉对该库的依赖
torch==2.4.1
torchvision==0.19.1
# 推理框架
onnxruntime==1.19.0
# 
###########################################################################################################################



###########################################################################################################################
# 
#       ★关于GPU推理★
# 
# 目前代码支持onnxruntime使用GPU进行推理，环境需要自行配置
# 使用GPU推理需要做3件事，1.安装GPU版onnxruntime，2.安装CUDA-toolkit，3.安装CuDNN
# onnxruntime-gpu，CUDA-toolkit，CuDNN三者的版本需要严格匹配，不使用指定版本可能出现无法运行推理效率低等情况，提前确定要装的版本
# 版本对应关系见：https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements
# 应该首先根据自己的显卡型号确定支持的CUDA-toolkit的版本，再根据CUDA-toolkit去查寻符合条件的onnxruntime-gpu和CuDNN的版本
# 我本机的版本对应如下供参考：
# 显卡:RTX4070    onnxruntime-gpu:v1.18.0     CUDA-toolkit:v12.4.1    CuDNN:v8.9.7
# 
# 
# 
# 1.安装GPU版onnxruntime：
# 如果你已经安装CPU版请先卸载：
# pip uninstall onnxruntime
# pip install onnxruntime-gpu==your version
# 安装详情见：https://onnxruntime.ai/docs/install/#python-installs
# 
# 2.安装CUDA-toolkit
# 查询自己的显卡型号和驱动版本下载对应的CUDA-toolkit版本（查询方法网上可以搜到）
# 下载地址：https://developer.nvidia.com/cuda-toolkit-archive  双击exe直接安装
# 
# 3.安装CuDNN
# 根据版本对应关系，下载对应版本CuDNN
# 下载地址：https://developer.nvidia.com/cudnn-archive
# CuDNN安装方法：
# https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn-890/install-guide/index.html
# 
# 以上步骤细节均参照官方文档配置，全部配置完成后，再次运行脚本就会使用GPU进行加速推理，无需修改代码
# 安装过程中遇到问题自行百度或阅读文档，一般不会太顺利，解决办法网上都有
# 
###########################################################################################################################