fix lesson.cpp hz

Author: Wish

src/application/app_lesson.cpp

@@ -33,32 +33,32 @@ using namespace std;
 static void test_tensor2(){
 
     ///////////////////////////////////////////////////////////////////
-    // 内存的自动复制，依靠head属性标记数据最新的位置
-    // 若访问的数据不是最新的，则会自动发生复制操作
+    /* 内存的自动复制，依靠head属性标记数据最新的位置
+       若访问的数据不是最新的，则会自动发生复制操作 */
     TRT::Tensor tensor({1, 3, 5, 5}, TRT::DataType::Float);
-    INFO("tensor.head = %s", TRT::data_head_string(tensor.head()));   // 输出 Init，内存没有分配
+    INFO("tensor.head = %s", TRT::data_head_string(tensor.head()));   /* 输出 Init，内存没有分配 */
 
-    tensor.cpu<float>()[0] = 512;               // 访问cpu时，分配cpu内存
-    INFO("tensor.head = %s", TRT::data_head_string(tensor.head()));   // 输出 Host
+    tensor.cpu<float>()[0] = 512;               /* 访问cpu时，分配cpu内存 */
+    INFO("tensor.head = %s", TRT::data_head_string(tensor.head()));   /* 输出 Host */
 
-    float* device_ptr = tensor.gpu<float>();    // 访问gpu时，最新数据在Host，发生复制动作并标记最新数据在Device
-    INFO("tensor.head = %s", TRT::data_head_string(tensor.head()));   // 输出 Device
-    INFO("device_ptr[0] = %f", device_ptr[0]);                        // 输出 512.00000
+    float* device_ptr = tensor.gpu<float>();    /* 访问gpu时，最新数据在Host，发生复制动作并标记最新数据在Device */
+    INFO("tensor.head = %s", TRT::data_head_string(tensor.head()));   /* 输出 Device */
+    INFO("device_ptr[0] = %f", device_ptr[0]);                        /* 输出 512.00000 */
 }
 
 static void test_tensor3(){
 
     ///////////////////////////////////////////////////////////////////
-    // 计算维度的偏移量
+    /* 计算维度的偏移量 */
     TRT::Tensor tensor({1, 3, 5, 5, 2, 5}, TRT::DataType::Float);
     auto ptr_origin   = tensor.cpu<float>();
     auto ptr_channel2 = tensor.cpu<float>(0, 2, 3, 2, 1, 3);
 
-    INFO("Offset = %d", ptr_channel2 - ptr_origin);                          // 输出678
-    INFO("Offset = %d", tensor.offset(0, 2, 3, 2, 1, 3));                    // 输出678
+    INFO("Offset = %d", ptr_channel2 - ptr_origin);                          /* 输出678 */
+    INFO("Offset = %d", tensor.offset(0, 2, 3, 2, 1, 3));                    /* 输出678 */
 
     int offset_compute = ((((0 * 3 + 2) * 5 + 3) * 5 + 2) * 2 + 1) * 5 + 3;  
-    INFO("Compute = %d", offset_compute);                                    // 输出678
+    INFO("Compute = %d", offset_compute);                                    /* 输出678 */
 }
 
 static void lesson1(){

src/application/app_yolo.cpp

@@ -169,7 +169,7 @@ static void test(Yolo::Type type, TRT::Mode mode, const string& model){
     forward_engine(model_file, type);
 }
 
-void my_test(){
+static void my_yolov5_test(){
 
     TRT::compile(
         TRT::Mode::FP32,
@@ -206,7 +206,6 @@ void my_test(){
 
 int app_yolo(){
 
-    // my_test();
     //iLogger::set_log_level(iLogger::LogLevel::Info);
     test(Yolo::Type::X, TRT::Mode::FP32, "yolox_m");
     // test(Yolo::Type::V5, TRT::Mode::FP32, "yolov5s");