Jetson nano从配置环境到yolov5成功推理检测全过程
一、烧录镜像
官网的官方镜像下载地址：https://developer.nvidia.com/embedded/downloads
不一定能下载的下来，所以我提供了百度云链接下载，下载地址如下：
链接：https://pan.baidu.com/s/1njWhDqNquyUqnDRCp31y8w
提取码：6qqh
1.需要下载两个烧录的配置软件，这里推荐下面两个软件，一个软件是格式化SD卡（SD卡推荐至少64G），一个是烧录软件
1.1 SD Card Formatter：格式化SD卡（格式化完再烧录镜像）
1.2 Win32 Diskimg：把镜像写入SD卡中 （一定要把下载好的镜像解压，看到.img文件就可以按照下面步骤进行烧录镜像，可能需要半个小时）
（忽略俩张图片英文和中文的不同，按照上述步骤烧录即可）
二、配置环境并成功推理
1.更新系统和包
打开一个终端，依次输入以下代码
sudo apt-get update
sudo apt-get upgrade
可能还需要安装一下中文输入法
ibus-pinyin
sudo apt-get install ibus-pinyin
重启一下，才可以在language support里面看到
reboot
也可以按照下面这个链接去安装中文输入法
https://blog.csdn.net/weixin_41275422/article/details/104500683
http://www.360doc.com/content/20/0501/13/40492717_909598661.shtml
2、配置环境
2.1 配置CUDA
打开终端，输入
sudo gedit ~/.bashrc
在打开的文档的最后面添加下面代码：
export CUDA_HOME=/usr/local/cuda-10.2
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.2/bin:$PATH
ctrl+s保存文档，然后退出文档，再上面的终端执行以下：
source ~/.bashrc
查看是否成功，成功就会出现CUDA的版本号：
nvcc -V #如果配置成功可以看到CUDA的版本号
如果配置成功可以看到CUDA的版本号
2.2 修改Nano板的显存
1.打开终端输入：
sudo gedit /etc/systemd/nvzramconfig.sh
2.修改nvzramconfig.sh文件：
在打开的文档中找到mem值，修改mem的值，如下：
找到的 mem = $((("${totalmem}"/2/"${NRDEVICES}")*1024))
我们修改的 mem = $((("${totalmem}"*2/"${NRDEVICES}")*1024))
把 / 修改为 *
3.重启：
reboot
4.终端输入：
free -h
可查看到swap已经变为7.7G
3、安装archiconda（也就是jetson nano板上的anaconda）
因为Anaconda不支持arm64架构，因此Jetson Nano开发板无法成功安装Anaconda（这是一个巨大的坑，本人就是在踩了好久这个坑才找到Anaconda是无法在jetson nano上运行的）Archiconda是用于64位ARM平台的Conda发行版，安装好了archiconda我们就可以运用win10系统上流畅使用conda的思想来安装包和运行脚本了，是不是感觉很熟悉。
1.下载地址：
https://github.com/Archiconda/build-tools/releases
2.安装：
找到你下载archiconda包的文件夹位置，打开的终端要在你这个文件夹内，或者cd进行这个文件夹，然后执行：
sudo apt-get install Archiconda3-0.2.3-Linux-aarch64.sh
(如果上面命令無法安裝 使用下面命令安裝）
bash Archiconda3-0.2.3-Linux-aarch64.sh
安装的时候需要一直确定，按enter，全部默认即可，可能需要一点时间
3.测试conda：
关闭上述安装终端，在桌面打开一个新的终端，进入conda环境：
source archiconda3/bin/activate
如果无法进入base环境，则需要配置环境变量
配置过程如下：
sudo gedit ~/.bashrc
在打开的文档最后一行添加下面代码：
export PATH=~/archiconda3/bin:$PATH
4.创建运行yolov5的虚拟环境：
进入conda 的base环境后：
conda create -n yolov5_py36 python=3.6 #创建一个python3.6环境
conda info --envs # 查看所有环境
conda activate yolov5_py36 #进入环境
conda deactivate # 退出环境
5.在conda中添加清华源镜像
依次输入以下代码：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
添加清华源镜像为默认网址
先安装一下pip:
sudo apt-get update
sudo apt-get upgrade
sudo apt-get dist-upgrade
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install --upgrade pip #如果pip已是最新，可不执行
再添加清华源为默认网址
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
如果我们在后面安装包报通道错误的时候，我们可以移除清华源镜像，这里提供移除命令，安装好出错的包或环境再重新依次添加上述代码：
查看镜像源命令：conda config --show channels
移除镜像源命令：conda config --remove-key channels
4、安装pytorch和trochvision（最重要的地方）
百度云下载链接：
链接：https://pan.baidu.com/s/11NpLUKKDKbudn_JM6W4aGg
提取码：3rpi
下载完你会看到一个whl文件和torchvision文件，pytorch直接是一个安装包可以直接安装，torchvision是一个文件夹，需要
手动安装。
1.安装pytorch
进入我们的yolov5运行环境
conda activate yolov5_py36
然后找到下载好的torch-1.8.0-cp36-cp36m-linux_aarch64.whl包的所在文件夹，进入文件夹中，输入安装命令：
pip3 install torch-1.8.0-cp36-cp36m-linux_aarch64.whl #注意安装包的位置
2.测试pytorch是否安装成功：
python #进入python编码
输入：
import torch
再输入：
print(torch.__version__)
看到torch的版本号，torch安装成功
3.安装trochvision
进入trochvision文件夹中，
执行命令：
export BUILD_VERSION=0.9.0
然后执行安装命令：
python setup.py install
等待等待，需要比较长时间
4.测试trochvision是否安装成功
进入python编码：
python
执行：
import torchvision
再执行：
print(torchvision.__version__)
看到torchvision版本号，成功。安装到这里就差不多成功了，下面只要进入yolov5文件夹中去就大功告成。
5、搭建YOLOv5环境
还是在我们yolov5_py36环境当中
进入YOLOv5代码文件夹中，这里提供作者这一版本的代码，百度云下载链接：
链接：https://pan.baidu.com/s/1USNqOdzgiHLbfkiaXonjog
提取码：oq81
文件夹中已经放入了yolov5s.pt权重文件，不需要另外下载了。
cd 进入我们的yolov5-maser文件夹
然后执行下面命令来安装其他运行环境：
pip install -r requirements.txt
因为我们前面更换了清华源镜像所以下载速度还是很快的，等待安装完成。
1.测试yolov5
python detect.py --weights yolov5s.pt
等待等待，运行成功如下：
作者还尝试了调用摄像头检测，图像分辨率设在480大小，对每一帧图像的推理速度可达0.09秒左右，比i7系统上纯CPU快上几倍。
6、参考
1.https://blog.csdn.net/carrymingteng/article/details/120978053
2.https://blog.csdn.net/weixin_41275422/article/details/104500683
3.https://qianbin.blog.csdn.net/article/details/103760640
总结
完成部署，踩坑了很多，网上部署教程也很多，作者也是第一次部署这个玩意，也是一个纯小白，其中会出现很多错误，希望各位大佬指正，大家一起学习，一起进步。文章来源：https://www.toymoban.com/news/detail-441318.html
后续应该会尝试tensorrtx进行加速推理，以及对轻量级网络的YOLOv3-Tiny的部署。文章来源地址https://www.toymoban.com/news/detail-441318.html
到了这里，关于yolov5 部署jetson nano（通用） 保姆级教学的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
