UE4/5插件 – 神经网络引擎 NNEngine – Neural Network Engine

使用 ONNX 运行时本机库从 BP 和 C++ 轻松、加速的 ML 推理。

只需调用几个蓝图节点，即可加载和运行尖端 AI。

该插件支持 ONNX（开放神经网络交换），这是一种广泛使用的开源机器学习模型格式。

PyTorch 和 TensorFlow 等许多 ML 框架都可以将其模型导出为 ONNX 格式。

ONNX Model Zoo上提供了许多经过训练的模型。

性能是我们首先考虑的。

此插件支持运行时模型优化和各种硬件上的 GPU 加速，并且此插件本身已优化。

• 人体检测
• 人体姿态估计
• 人脸检测
• 面部标志估计
• 眼动追踪

使用 CUDA 和 TensorRT 的先决条件

要与 CUDA 和 TensorRT 一起使用，您需要安装以下版本的 CUDA、cuDNN 和 TensorRT。

视窗：

RTX30** 系列和其他系列的 cuDNN 和 TensorRT 版本不同。我们只测试了 GTX1080Ti、RTX2070、RTX3060Ti 和 RTX3070。其他的没有测试。

RTX30** 系列以外的版本（RTX20**、GTX10**）

• CUDA：11.0.3
• cuDNN：8.0.2（2020 年 7 月 24 日），用于 CUDA 11.0
• TensorRT：7.1.3.4 用于 CUDA 11.0

RTX30** 系列的版本

• CUDA：11.0.3
• cuDNN：8.0.5（2020 年 11 月 9 日），用于 CUDA 11.0
• TensorRT：7.2.2.3 用于 CUDA 11.0

Ubuntu：

• CUDA：11.4.2 适用于 Linux x86_64 Ubuntu 18.04
• cuDNN：8.2.4（2021 年 9 月 2 日），适用于 CUDA 11.4，Linux x86_64
• TensorRT：适用于 Linux x86_64、CUDA 11.0-11.5 的 8.2.3.0（8.2 GA 更新 2）

要与 TensorRT 一起使用，建议将以下环境变量添加到缓存 TensorRT 引擎：

• “ORT_TENSORRT_ENGINE_CACHE_ENABLE”并将其值设置为“1”。
• “ORT_TENSORRT_CACHE_PATH”并将其值设置为您要保存缓存的任何路径，例如“C:\temp”。

wb：https://www.unrealengine.com/marketplace/en-US/product/nnengine-neural-network-engine?sessionInvalidated=true