yolov3-tiny中有下面这些层：
Convolutional
Maxpooling
Leaky-Relu
Linear-Relu(正常的Relu)
Residual Block
Strided Residual Block
Upsample
查看TensorRT支持的网络层种类：
https://developer.download.nvidia.cn/compute/machine-learning/tensorrt/docs/5.1/rc/TensorRT-Support-Matrix-Guide.pdf
ONNX的格式是都支持上面的层的，只是不清楚Residual Block这种跨连接的层是不是可以直接实现的。
如果采用的是C++ 的API，有下面几个问题思考：
1、weight格式如何转换成为ONNX的格式
2、如何读取图片，输入网络
3、网络的输出，转换为准确度
如果采用的是Python的API，那么直接就会有Yolo-V3的示例。
由于ONNX版本的问题造成了一天进度都很慢，现在已经可以将示例跑通了。
整个过程中遇到的Bug有：
1、ONNX的upsample在1.2.1之后就移除了，开始的时候有python2和python3两个高版本的ONNX的包，应该将python2的ONNX版本调低，但是将python3的ONNX版本降低了。
2、PIL的图片读取速度比Opencv要慢。
3、feature的尺寸是CHW，其中H和W的两个顺序不要颠倒了。
TX2 的刷机过程中遇到的问题有：
1、需要用USB-Mini线连接TX2与电脑，同时还需要将TX2和电脑用网线连接到路由器上，同时要保证路由器是可以上网的。
2、在Nvidia官网上下载的只是一个Ubuntu主机的安装包，需要将这个安装包安装在Ubuntu上，然后在Ubuntu电脑上下载Cuda、Cudnn等包。
3、在TX2上安装pycuda的时候遇到了问题，其中最后解决的是关于环境变量的问题，，好像是在什么目录下，建立了一个sh文件，然后将环境变量写到里面了。改变/etc下面的环境变量是不是需要重启？
4、在TX2上使用半精度的TensorRT遇到了问题，building engine总是出现问题。