nvidia jetson agx-----yolov5_Docker-Quickstart_yolov5s.pt下载

https://developer.nvidia.com/compute/cudnn/secure/8.6.0/local_installers/11.8/cudnn-local-repo-ubuntu2004-8.6.0.163_1.0-1_arm64.deb
Docker-Quickstart
https://github.com/ultralytics/yolov5/wiki/Docker-Quickst

1. Install Docker and Nvidia-Docker

第一步在刷机时就已经安装了Nvidia-Docker，所以直接跳过。

2. Pull Image

jetson 是arm架构，所以后面加上-arm64执行

//sudo docker pull ultralytics/yolov5:latest
sudo docker pull ultralytics/yolov5:latest-arm64  
1
2

3. Run Container

1、下载yolov5s.pt
下载地址https://github.com/ultralytics/yolov5/releases
2、下载测试图片，新建一个文件夹，将yolov5s.pt和测试图片放到文件夹中。

Run a container with local file access (like COCO training data in /datasets) using -v:
换成刚才建的文件的地址来执行：

//sudo docker run --ipc=host -it -v "$(pwd)"/datasets:/usr/src/datasets ultralytics/yolov5:latest
sudo nvidia-docker run --ipc=host -it --gpus all -v /home/xmm17/Downloads/yolo5s:/usr/src/yolo5s ultralytics/yolov5:latest-arm64
1
2

4. Run YOLOv5 rocket

切换文件夹，执行测试

cd /usr/src/app
python3 detect.py
python3 detect.py --weights ../yolo5s/yolov5s.pt --source ../yolo5s/12.png 
1
2
3

测试结果

总结

在docker上测试yolov5，要方便很多，相比于前面的部署yolov5的环境过程来说。。。
多学会利用现有环境资源。