使用 Mapped Pinned Memory 优化 YOLOv10 TensorRT 推理速度：Zero-Copy 技术实战

这段代码中的优化点主要体现在使用 Mapped Pinned Memory（映射锁页内存）+ Zero-Copy（零拷贝） 技术，显著减少了 GPU 到 CPU 的数据拷贝时间，是 Jetson 系列等嵌入式设备上做 TensorRT 推理的常见优化手段。

以下是我基于这段代码撰写的博客风格的经验总结，可直接作为技术博客发布：

在 Jetson 等嵌入式设备上部署深度学习模型时，我们常常面临 显存资源有限、拷贝速度慢、延迟要求高 等挑战。本文将分享一次 YOLOv10 TensorRT 推理的优化实战，通过使用 Mapped Pinned Memory + Zero-Copy 技术 显著降低推理延迟，提升整体推理效率。

背景：传统数据拷贝的瓶颈

在 TensorRT 推理流程中，常规步骤包括：

1. Host 端准备数据（如预处理后的图像张量）。
2. Host → Device：通过 cudaMemcpyAsync() 拷贝输入数据。
3. 推理执行。
4. Device → Host：通过 cudaMemcpyAsync() 拷