【yolo】Jetson nano p3450 开发板部署YOLOv5模型（补充及注意事项）_p3450 jetson硬件
赞
踩
Jetson nano 部署 yolov5
基于项目要求，本次将要在nano 上部署yolov5 模型，并对其进行加速。看了好几个教程，但是老是踩到坑，所以现在记录一下，也做一些解释，希望对大家有所帮助。
推荐教程
JetsonNano国产套件成功部署YoloV5手把手图解教程
Jetson nano部署Yolov5目标检测 + Tensor RT加速（超级详细版）
Jetson Nano部署YOLOv5与Tensorrtx加速——（自己走一遍全过程记录）
整体过程 ：重点请看后面的注意点
主要分为三步：
以上在列出的教程中均有，建议（刚开始）选取一个教程完整执行而非这里瞧瞧那里看看。
踩坑过程
- 没弄清楚环境之间的空间关系
- 心浮气躁，在安装好torch后由于torchvision迟迟装不上而恼怒。
注意事项
- 在镜像烧录好后，你应该有一套完整的外设，这样方便操作
- 嵌入式开发版与PC或者服务器之间的关系：底层架构不同，，细节自己参考官方文档
- 了解root用户和普通用户之间的区别
- 静下心慢慢来。
本篇重点
JetsonNano国产套件成功部署YoloV5手把手图解教程
Jetson nano部署Yolov5目标检测 + Tensor RT加速（超级详细版）
Jetson Nano部署YOLOv5与Tensorrtx加速——（自己走一遍全过程记录）
- 安装好conda 包管理器后，是否创建虚拟环境，这顶很重要。
教程中提供了arrm 架构上的conda 安装教程，创建环境的过程也好找，这里要做的判断是你本人要在虚拟环境中部署还是直接部署。这对后面的指令有影响。
如果不创建虚拟环境，直接部署的话，只需注意用户空间问题。如果要创建虚拟环境，则安装的库函数尽量不用使用sudo 指令。 - 在上述的教程中，Cmake 的部分是必须的，请自己酌情查看各个教程的内容。
- 笔者在配置Pytorch 时，发生了许多报错，采取了一些举措，但是很多都不起作用。
下面为原教程的部分：
安装pytorch
Jetson nano上的Linux其实不是x86架构,而是类似手机的ARM架构，这也就导致它的很多包和普通的Linux上的不是通用的。也是踩过的坑之一，pytorch官网下载的包，在实际使用时无法调用开发板的显卡（这是个大问题，失去显卡的开发板算力暴跌！）。这里的PyTorch以及接下来的torchvision等包都需要安装Nvidia官网给出的版本。
1.下载PyTorch1.8
我已经下载好了，现成的安装包下载链接奉上： （提取码：yvex）
安装包
2.安装PyTorch1.8
把下载的东西用U盘拷到Jetson nano开发板上，建议放桌面上，好找。
sudo pip3 install …# 直接把.whl拖到命令窗口中，让它自动填充文件位置
安装需要略漫长的等待。
安装torchvision 0.9.0版本
PyTorch和torchvision版本是需要对应的，上一步下载的那个正好是对应的。
1.提前安装好我们需要的依赖
sudo apt-get install libopenmpi2
sudo apt-get install libopenblas-dev
sudo apt-get install libjpeg-dev zlib1g-dev
- 1
- 2
- 3
注意点1：
这里需要考虑环境的空间关系，如果用的虚拟环境，则不加‘sudo’ 前缀，报错再加上，且只有这种全局性的更新才加。
————————————————————————————————————————————
2.安装torchvision 0.9.0
同样需要特殊的匹配Jetson nano的版本，步骤三中个人链接里包含了这个torchvision。把下载的包拷到开发板上，同样建议放桌面上。
cd torchvision # 进入到这个包的目录下
export BUILD_VERSION=0.9.0
sudo python3 setup.py install # 安装（估计要20、30分钟不止吧）
- 1
- 2
- 3
注意点2：
不要使用‘sudo’ 前缀，再指定环境下，普通指令编译安装的哭会保存到conda 环境的/home//envs/myenv/lib/python3.x/site-packages/中, 如果使用‘sudo’ 前缀，则编译安装的位置不在这里，后面你会发现torchvision 没有安装成功，但是你已经完成教程操作，就会非常郁闷，不要担心，慢慢找问题。
问题就是我说的这个导致的，sudo 前缀会使你编译到别处，而不是你的虚拟环境中，不用sudo 前缀你会发现权限不足，报错，此时只需将torchvision文件夹的权限修改一下就好了：
下面是修改权限和编译的指令：
sudo chmod -R 777 /home/nvidia/pytorch-torchvison/
python3 setup.py install
- 1
- 2
————————————————————————————————————————————
3.检验一下是否成功安装
python3
- 1
import torch
import torchvision
print(torch.cuda.is_available()) # 这一步如果输出True那么就成功了！
quit() # 最后退出python编译
- 1
- 2
- 3
- 4
注意点3：
我想说的是，print(torch.cuda.is_available()) 这个指令不能鉴别 torchvision 是否安装成功，
因为即便torchvision没有安装成功，
只要CUDA、cuDNN、torch 安装成功，print(torch.cuda.is_available())就会返回 True。
检测torchvision的指令是：
print(torchvision.version) , 与pytorch的检测相似。
print(torch.cuda.is_available()) 这个函数返回True，表示GPU可用被调用。print(torch.version) 输出１.８.０ 表示torch 1.8安装成功。
print(torchvision.version)输出０.９.０ 表示torchvision 安装成功。
———————————————————————————————————————————
至此，可以安装yolov5 的其他依赖了。
下载YOLOv5-5.0源代码
在自己的电脑上或服务器上训练好。这里如何训练，不做过多解释，可以去B站找一些视频学习一下。我的项目是检测电梯按键。
安装使YOLOv5成功运行需依赖的包
pip install -r requirements.txt
- 1
注意对比各个版本要求。
加速部署部分敬请期待》》》。祝你好运。
