【Jetson Ubuntu 18.04 安装YOLOv5】_ubuntu安装yolov5

1.更新包
打开终端，输入

sudo apt-get update 
1

再输入

sudo apt-get full-upgrade  
1

中途需要输入Y进行确认，之后自动从ubuntu官网下载安装包，等待时间根据网络情况而定。如果因网络原因报错中断，则再次输入上述命令进行尝试。
2.安装Miniforge（Anaconda的arm替代版）
由于NX板子Ubuntu系统是arrch64架构的，不支持Anaconda，所以选择MIniforge进行安装。
Miniforge下载地址：
https://github.com/conda-forge/miniforge/releases
https://pan.baidu.com/s/1AkRRz95XSKsVXpI7edy9cg提取码：cbzz
下载完成后，进入Miniforge文件夹下，打开终端，输入下述命令进行安装：

sh Miniforge-pypy3-4.10.3-5-Linux-aarch64.sh  
1

中途需要根据提示按回车以及输入“yes”

看到如下提示，则Miniforge安装完成。

注意：如需使用conda，则重启终端窗口，否则会提示“conda module not found”
3.添加镜像源
添加国科大镜像源，命令行依次输入：

conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/  
conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/  
conda config --set show_channel_urls yes  
1
2
3

4.添加环境变量
在系统根目录下找到.bashrc文件，打开后在最下面添加：

# Miniforge环境变量  
export PATH=/home/moemil/miniforge-pypy3/bin:$PATH  
# cuda环境变量  
export PATH=/usr/local/cuda/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH  
export CUDA_ROOT=/usr/local/cuda  
1
2
3
4
5
6

保存并关闭该文件，再输入：

source ~/.bashrc  
1

从而激活上述环境变量。
5.创建虚拟环境
输入以下命令，进入Miniforge的base环境：

source activate  
1

创建名为“pytorch”的环境，并指定其python版本为3.6：

conda create -n pytorch python=3.6  
1

开始自动安装软件包。中途按照提示输入“y”确认，之后自动下载解压。如果中途因网络问题报错，例如“an http error”，则多试几次,

输出如下信息，则名为pytorch的conda环境创建成功。

再输入下面命令，进入刚才创建的环境。
1.conda activate pytorch
小括号内环境名称发生改变，如下图所示。

6.pytorch安装
先下载pytorch安装包，下载地址：
1.NVIDIA官网：https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-10-now-available/72048
2.百度网盘链接：https://pan.baidu.com/s/1rBoUXE4f2wZtzq6H1Jv6Xg 提取码：5uo3
注意pytorch版本要和自己创建的conda环境中python版本对应，如torch-1.7.0-cp36-cp36m-linux_aarch64.whl则只能对应python3.6版本。

下载完成后，在虚拟环境中通过cd指令进入pytorch安装包路径。
首先进行pytorch安装的准备工作。中途按提示输入“y”确认，安装时间取决于网络状况，如果因为网络原因报错，重复尝试即可。
1.sudo apt-get install python3-pip libopenblas-base libopenmpi-dev

2.pip3 install Cython

3.pip3 install numpy

安装torch，文件名按自己下载的版本输入，这里以1.7版本pytorch为例。
1.pip3 install torch-1.7.0-cp36-cp36m-linux_aarch64.whl

再到文件夹根目录中找到.bashrc文件，将下列指令添加到最后一行
1.export OPENBLAS_CORETYPE=ARMV8
保存并关闭该文件。命令行输入下列指令激活环境变量：
1.source ~/.bashrc
最后，通过以下指令测试pytorch是否安装成功。输入
1.python
即可使用python指令

依次输入下列指令，验证pytorch安装情况
1.import torch
2.print(torch.version)
3.print('CUDA available: ’ + str(torch.cuda.is_available()))
4.a = torch.cuda.FloatTensor(2).zero_()
5.print('Tensor a = ’ + str(a))
6.b = torch.randn(2).cuda()
7.print('Tensor b = ’ + str(b))
8.c = a + b
9.print('Tensor c = ’ + str©)
返回值如下

ctrl+z可以退出python指令。
下面开始安装torchvision，通过cd指令进入任意文件夹，再输入下列指令，将torchvision下载到该文件夹内。
1.git clone --branch v0.8.1 https://gitee.com/rchen1997/torchvision torchvision

输入下列指令，中途需要输入‘y’以确认。
1.sudo apt-get install libjpeg-dev zlib1g-dev

再输入下列指令，此步骤耗时较长。
1.python setup.py install

再输入下列指令，可查看pytorch和torchvision安装情况
1.conda list

至此，pytorch安装完成。
7.安装yolov5
首先依次输入下列指令，安装yolov5的依赖。中途可能因为网络问题报错，重复尝试即可。若提示版本问题，则将下列版本号删除后再输入。
1.pip install opencv-python3.4.17.63
2.pip install tqdm4.41.0
3.pip install Pillow7.1.2
4.pip install PyYAML5.3.1
5.pip install requests2.23.0
6.pip install scipy1.4.1
7.pip install pandas1.1.4
8.pip install seaborn0.11.0
9.pip install scikit-build0.11.1
10.pip install thop
11.pip install pycocotools2.0.4

再通过下列指令查看上述安装情况。
1.conda list

下载yolov5安装包：https://github.com/ultralytics/yolov5

再下载权重文件，将其保存在yolov5文件夹下。权重文件可以根据自己需求选择，这里以yolov5m.pt为例，下载地址：https://github.com/ultralytics/yolov5/releases

在自己创建的虚拟环境下，通过cd指令进入yolov5文件夹下，输入下列指令进行图像识别测试，检测结果保存在下列路径中。
1.python detect.py --weights yolov5m.pt

检测结果如下：