jetson nx目标检测环境配置遇到的一万个坑,安装v1.12.0版本的pytorch和v0.13.0版本的vision torchvision,以及使用TensorRT部署YOLOv5.

这篇具有很好参考价值的文章主要介绍了jetson nx目标检测环境配置遇到的一万个坑,安装v1.12.0版本的pytorch和v0.13.0版本的vision torchvision,以及使用TensorRT部署YOLOv5.。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文参考了许多官网和博客,肯定是存在抄袭的,请各位大哥不要喷我啊。

自己工作找到的是医学信号方向的算法工程师,所以以后和CV可能无缘了,将自己一个多星期的心血历程发表出来,希望大家接起我的CV火炬,接着前行,各位加油!(后面也学习了yolov5-6.0 yolov7的模型部署)

本人小白,没怎么发过博客,所以有点乱,标题也没整,太费时间了,我的态度真的是极差,不管了,哈哈哈。话不多说,开整吧

烧录环境: Ubuntu20.04 主机 (虚拟机也可以),为了下载资源,烧录用的ubuntu20.04主机需要预留大约100G的内存空间。

我的windows装了双系统,首先进入Ubuntu系统安装SDK Manager

SDK Manager下载链接:SDK Manager | NVIDIA 开发者(.com进不去,改成了.cn)

为了后续可以正常下载资源和烧录系统,请在NVIDAI DEVELOPER网站点击右上角的JOIN先注册一个账号

jetson 安装torchvision,目标检测,YOLO,人工智能

 文章来源地址https://www.toymoban.com/news/detail-755500.html

  • 将deb文件下载到ubuntu系统上,然后将deb文件复制到用户主目录下
  • 打开终端运行以下程序安装sdk manager

sudo apt install ./这里是文件名.deb

备注:注意将指令中的[version]-[build#] 改成实际下载的文件名

硬件配置(进入recovery 模式)

  • 用跳帽或者杜邦线短接FC REC和GND(我接的是2号和3号)引脚,位置如图,位于核心板底下
  • 连接DC电源到圆形供电口, 稍等片刻
  • 用USB线(注意要是数据线)连接Jetson主板的Micro USB接口到Ubuntu主机

jetson 安装torchvision,目标检测,YOLO,人工智能

 

烧录系统

打开ubuntu电脑终端,运行sdkmanager打开软件,登录账号,如果Jetson 主板有被正常识别到。sdk manager会检测并提示选项

jetson 安装torchvision,目标检测,YOLO,人工智能

 

  • 开发板类型选择Jetson Xavier NX 选项(如果你使用的是官方套件, 选择另一选项)
  • 在JetPack选项中,选择支持的最新系统即可(我选择的jetpack5.0.2),不勾选其他的SDK, 然后点击Continue
  • 选择Jetson Linux, 并将Jetson SDK Components的选项去掉。勾选最下方的第一个协议

jetson 安装torchvision,目标检测,YOLO,人工智能

 

最后点击Continue 等待烧录完成即可。

第一次的时候烧写失败,重新烧写的说话会弹出

  1. 这里会默认选择开发板类型。 注意前面选择开发板类型的时候不要选择错误。
  2. 这里选择Manual Setup-Jetson ... (不同主板后缀提示不同)
  3. 这里可以选择runtime或者preconfig, 选择runtime的话,后续需要自己手动配置系统(用户名,密码,语言等), 选择preconfig,可以填入用户名和密码(可以自己定义),会在启动过程中自动配置主板

jetson 安装torchvision,目标检测,YOLO,人工智能

 

  • 烧录完成之后,去掉底板的跳帽,接入显示器,重新上电(最好重新上电),按照提示进行开机配置(如果是设置的pre-config, 上电后直接进入系统)。

系统从ssd盘启动

打开ubuntu的自带的 Disks 工具(windows的win,然后输入disk)

jetson 安装torchvision,目标检测,YOLO,人工智能

 jetson 安装torchvision,目标检测,YOLO,人工智能

 

点击format 这是格式化的流程jetson 安装torchvision,目标检测,YOLO,人工智能

 

输入管理员密码

jetson 安装torchvision,目标检测,YOLO,人工智能

 

格式化完之后的结果如下,现在开始分区(我的是128g,直接分区就行了)

jetson 安装torchvision,目标检测,YOLO,人工智能

 

这里一定要选择Ext4才行,点击创建jetson 安装torchvision,目标检测,YOLO,人工智能

 

开始复制系统文件到SSD盘

git clone https://github.com/jetsonhacks/rootOnNVMe.git

进入rootOnNvme

cd rootOnNVMe

执行复制脚本,结果如下

./copy-rootfs-ssd.sh

执行脚本,设置ssd为启动盘

./setup-service.sh

jetson 安装torchvision,目标检测,YOLO,人工智能

 

重启即可生效,reboot

sdk-manager安装cudn 

这个安装可前面安装JetPack系统操作类似,然后将板子上Micro USB通过数据线和电脑链接。

jetson 安装torchvision,目标检测,YOLO,人工智能

 

换源: 使用操作指令之前对系统进行国内清华源的更换

sudo mv /etc/apt/sources.list /etc/apt/sources.list.bak sudo vim /etc/apt/sources.list

加入

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main universe restricted deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main universe restricted

然后退出

在终端输入

sudo apt update sudo apt-get install python3-pip

默认安装的PIP是 9.01 版本,需要把它升级到最新版

python3 -m pip install --upgrade pip

升级成功后,查看pip版本信息,发现有些问题

pip3 -V

jetson 安装torchvision,目标检测,YOLO,人工智能

 python3 -m pip install --upgrade --force-reinstall pip

sudo reboot

 jetson 安装torchvision,目标检测,YOLO,人工智能

 

换源

通过编辑pip的配置文件进行设置,方法如下:

mkdir ~/.pip

vim ~/.pip/pip.conf

添加内容如下:

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

[install]

trusted-host = https://pypi.tuna.tsinghua.edu.cn

配置CUDA环境变量

安装完成后,输入ncvv -V,发现并不能读取CUDA的版本,这是因为环境变量还没有配置

输入vim ~/.bashrc命令打开文件,在文件结尾输入以下语句,保存。

export CUDA_HOME=/usr/local/cuda

export PATH=${CUDA_HOME}/bin:${PATH}

export LD_LIBRARY_PATH=${CUDA_HOME}/lib64:$LD_LIBRARY_PATH

source ~/.bashrc

然后再输入nvcc -V,就可以看到CUDA的版本信息了。

配置cuDNN

虽然安装了cuDNN,但没有将对应的头文件、库文件放到cuda目录。cuDNN的头文件在:/usr/include,库文件位于:/usr/lib/aarch64-linux-gnu。将头文件与库文件复制到cuda目录下:

cd /usr/include && sudo cp cudnn.h /usr/local/cuda/include

cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64

修改文件权限,修改复制完的头文件与库文件的权限,所有用户都可读,可写,可执行:

sudo chmod 777 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

重新链接

cd /usr/local/cuda/lib64

sudo ln -sf libcudnn.so.8.4.0 libcudnn.so.8

sudo ln -sf libcudnn_ops_train.so.8.4.0 libcudnn_ops_train.so.8

sudo ln -sf libcudnn_ops_infer.so.8.4.0 libcudnn_ops_infer.so.8

sudo ln -sf libcudnn_adv_infer.so.8.4.0 libcudnn_adv_infer.so.8

sudo ln -sf libcudnn_cnn_infer.so.8.4.0 libcudnn_cnn_infer.so.8

sudo ln -sf libcudnn_cnn_train.so.8.4.0 libcudnn_cnn_train.so.8

sudo ln -sf libcudnn_adv_train.so.8.4.0 libcudnn_adv_train.so.8

sudo ldconfig

测试cuDNN

sudo cp -r /usr/src/cudnn_samples_v8/ ~/

cd ~/cudnn_samples_v8/mnistCUDNN

sudo chmod 777 ~/cudnn_samples_v8

sudo make clean && sudo make

./mnistCUDNN

报错

test.c:1:10: fatal error: FreeImage.h: 没有那个文件或目录 #include "FreeImage.h" ^~~~~~~~~~~~~

解决方法:

sudo apt-get install libfreeimage3 libfreeimage-dev

测试cuDNN

sudo cp -r /usr/src/cudnn_samples_v8/ ~/

cd ~/cudnn_samples_v8/mnistCUDNN

sudo chmod 777 ~/cudnn_samples_v8

sudo make clean && sudo make

./mnistCUDNN

如果配置成功 测试完成后会显示:“Test passed!”。

安装机器学习领域重要的包

sudo apt-get install python3-numpy

sudo apt-get install python3-scipy

sudo apt-get install python3-pandas

sudo apt-get install python3-matplotlib

sudo apt-get install python3-sklearn

安装pytorch

pytorch版本不能随意安装,必须安装英伟达编译的好的库文件,我的jetpack是5.0.2的,所以可以选择1.12.0版本的pytorch。点击链接然后下载。链接:https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048。

选择对应jetpack版本的pytorch文件。

jetson 安装torchvision,目标检测,YOLO,人工智能

 

下载依赖库

sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev libopenblas-base libopenmpi-dev

会弹出有些包不满足依赖项的报错,sudo apt-get install 安装就好了

安装Pytorch

sudo pip3 install torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl

import torch报错

ImportError: libopenblas.so.0: cannot open shared object file

解决:

sudo apt-get install libopenblas-dev

验证Pytorch是否安装成功

python3

import torch

x = torch.rand(5, 3)

print(x)

jetson 安装torchvision,目标检测,YOLO,人工智能

 

查看版本信息

import torch

print(torch.__version__)

 jetson 安装torchvision,目标检测,YOLO,人工智能

安装vision torchvision

 jetson 安装torchvision,目标检测,YOLO,人工智能

 

v1.12.0版本的pytorch对应v0.13.0版本的vision torchvision,所以执行命令:

git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision

报错:

jetson 安装torchvision,目标检测,YOLO,人工智能

 

原因是:由于git默认缓存大小不足导致的。解决方法是:使用下面的命令增加缓存大小(自行根据实际情况确定):

git config --global http.postBuffer 2000000000

检查是否修改成功:

git config --list

 jetson 安装torchvision,目标检测,YOLO,人工智能

 

重新

git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision

 jetson 安装torchvision,目标检测,YOLO,人工智能

 

还是报错:

使用过

pip3 install torchvision==0.13.0

会报错,原因是版本不匹配,卸载torchvision

pip3 uninstall torchvision

最后,直接在windows电脑上下载这个包,然后用U盘复制到jetson,打开网址GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision,选择我需要的torchvision 0.13.0版本

jetson 安装torchvision,目标检测,YOLO,人工智能

 

然后下载jetson 安装torchvision,目标检测,YOLO,人工智能

 

解压,将解压后的文件复制到U盘,然后复制到jetson的home目录下

然后在终端输入

cd vision-0.13.0

export BUILD_VERSION=0.13.0

sudo python3 setup.py install

然后这里报错,我是吐了,整了一晚上

sudo apt-get install python3-setuptools

 

解决

cd vision-0.13.0

export BUILD_VERSION=0.13.0

sudo python3 setup.py install

jetson 安装torchvision,目标检测,YOLO,人工智能

 

漫长的等待,大概十几二十分钟终于完成,测试版本

python3

import torchvision

print(torchvision.__version__)

 jetson 安装torchvision,目标检测,YOLO,人工智能

 

# 安装Jtop工具

sudo -H pip3 install -U jetson-stats

安装好之后

输入jtop,下面有一排选项可以点,我的系统配置是这样的

jetson 安装torchvision,目标检测,YOLO,人工智能

 这里要手动启动风扇,我懒得开机了,好像是在最下面的6CTRL里面,自己百度搜一下就知道了

运行yolov5的detect.py出现下面的这个问题,有些包没安装自己安装就行了

jetson 安装torchvision,目标检测,YOLO,人工智能

 

那么我们跟着错误去上面的提示信息找方法

可以发现是关于"Upsample“和 'recompute_scale_factor',相关的提示是在这里

jetson 安装torchvision,目标检测,YOLO,人工智能

 

紧接着 ,按着提示文件路径一步一步的打开usampling.py,找到第155行附近

进入路径 cd /sur/local/lib。。。。上面圈出来的 sudo gedit upsampling.py

 

jetson 安装torchvision,目标检测,YOLO,人工智能

 

然后把第154行还有153行最后的逗号","删掉,再保存一下子

jetson 安装torchvision,目标检测,YOLO,人工智能

 

然后运行下detect.py,发现问题解决,但是会报别的错jetson 安装torchvision,目标检测,YOLO,人工智能

 

numpy版本太新了

pip3 install numpy==1.20.0

就可以检测啦

sudo apt-get install gcc

sudo apt-get install g++

sudo apt-get install make

安装cmake

sudo apt-get update

sudo apt-get install git cmake libpython3-dev python3-numpy

可能需要安装修改一些依赖包

开始模型部署

GitHub - wang-xinyu/tensorrtx at yolov5-v5.0这个网址下载tensorrtx(要和自己的yolo版本对应)

 .pt转.wts

tensorrtx项目通过tensorRT的Layer API一层层搭建模型,模型权重的加载则通过自定义方式实现,通过get_wts.py文件将yolov5模型的权重即yolov5.pt保存成yolov5.wts,生成的yolov5.wts文件即作者自定义的权重文件方便后续加载使用。将转换生成的yolov5.wts文件拷贝回到yolov5文件夹下

yolov5s.wts文件生成指令如下:

 python gen_wts.py -w weights/yolov5s.pt yolov5s.wts

错误如下:

Traceback (most recent call last): File "gen_wts.py", line 6, in <module> from utils.torch_utils import select_device ModuleNotFoundError: No module named 'utils.torch_utils'

解决方案如下:

get_wts.py文件依赖于yolov5官方源码,需要下载yolov5官方源码并进行如下操作

git clone -b v6.0 https://github.com/ultralytics/yolov5.git // 下载yolov5-6.0源码

cp tensorrtx/yolov5/gen_wts.py yolov5-6.0 // 将get_wts.py文件和权重文件拷贝到yolov5源码中

python gen_wts.py -w yolov5s.pt -o yolov5s.wts // 生成wts文件

生成的wts权重文件部分内容如下图所示

.wts文件为纯文本文件

350为模型所有键对应的数目即表示它有多少行(不包括自身)

每一行形式是 [权重名称] [value count = N] [value1] [value2] … [valueN]

     model.0.conv.weight为模型权重保存的第一个键的名称

    3456为模型权重保存的第一个键对应值的总长度

    后面的数字为模型权重保存的第一个键对应的值,以十六进制的形式进行保存jetson 安装torchvision,目标检测,YOLO,人工智能

 

加载yolov5s.wts权重文件,并通过tensorRT序列化生成engine引擎文件。注意先修改下yololayer.h中的CLASS_NUM,修改为自训练模型的类别数。如下图所示,本次训练的模型类别数为2,故将CLASS_NUM修改为2。

jetson 安装torchvision,目标检测,YOLO,人工智能

 

修改完成后便可进行编译生成引擎文件,指令如下

cd tensorrtx/yolov5  

mkdir build && cd build

cp ../yolov5s.wts ./

cmake .. && make

sudo ./yolov5 -s yolov5s.wts yolov5s.engine s

make之后的图片

jetson 安装torchvision,目标检测,YOLO,人工智能

 

图解如下所示,执行完成之后会在build目录下生成yolov5s.engine引擎文件

jetson 安装torchvision,目标检测,YOLO,人工智能

 

通过tensorRT生成的engine文件进行模型推理,指令如下

sudo ./yolov5 -d yolov5s.engine ../images/

执行完成后会在build目录下生成推理完成后的图片,图解如下

jetson 安装torchvision,目标检测,YOLO,人工智能

 

到了这里,关于jetson nx目标检测环境配置遇到的一万个坑,安装v1.12.0版本的pytorch和v0.13.0版本的vision torchvision,以及使用TensorRT部署YOLOv5.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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 厚积薄发的一年---用Jetson Nano实现入侵检测的项目分享

    回顾2023,有为了一个BUG或知识熬过夜,也有为了项目连续几天三点一线,在这期间的积累的一砖一瓦中,除了直接获得专业知识,提高专业技能外,更多的是从项目中得到足以使我终生受益的其他收获。 下面就一今年收获最多的项目来总结我的2023 ————————————

    2024年01月16日
    浏览(37)
  • 【AI】AI入门之Nvidia Jetson平台(四)- Xavier NX软件开发环境安装部署

    目录 一. CUDA安装 二. cuDNN安装 三. TensorRT安装 3.1 Pycuda安装 四. TensorFlow安装 五. PyTorch安装 六. DeepStream安装​​​​​​​ ​​​​​​​6.1 安装依赖软件 ​​​​​​​6.2 安装DeepStream SDK ​​​​​​​6.3 运行DEMO ​​​​​​​七. Multimedia API安装 ​​​​​​

    2024年01月16日
    浏览(48)
  • Jetson Orin NX上手使用(Linux系统的配置&Jetpack的烧录)

    长文预警 本篇为完整过程记录 有特定需求可以跳转对应位置查看 先介绍手上拿到的orin nx模块:Jetson Orin NX 16GB 100TOPS的算力听起来顶呱呱 摸过一些jetson系列套件的我拿到手自信开搞……然后就自闭了 他好像跟以前的不是一个路子啊(以前摸过的有nano nx tx1 tx2) 遂上网搜索

    2024年02月06日
    浏览(64)
  • Jetson Orin NX上手使用(Linux系统的配置&Jetpack的烧录&镜像的备份恢复)

    长文预警 本篇为完整过程记录 有特定需求可以跳转对应位置查看 先介绍手上拿到的orin nx模块:Jetson Orin NX 16GB 100TOPS的算力听起来顶呱呱 摸过一些jetson系列套件的我拿到手自信开搞……然后就自闭了 他好像跟以前的不是一个路子啊(以前摸过的有nano nx tx1 tx2) 遂上网搜索

    2024年02月09日
    浏览(55)
  • Jetson Xavier NX 上查看CUDA、Cudnn、Tensorrt、Opencv的版本及配置信息

    以上功能都可以通过jtop实现,下面是如何安装jtop: 启动后界面如下,可以查看到开发板资源使用情况,接着 点击info 如果安装成功,可以查看到 CUDA、cuDNN、opencv和TensorRT等版本信息 注意!如果是Jetpack5.0.0以上版本可能会看不到很多信息,因为稳定版本不支持,需要安装最新

    2024年02月15日
    浏览(118)
  • 【PC电脑windows环境下-[jetson-orin-NX]Linux环境下-下载工具esptool工具使用-相关细节-简单样例-实际操作】

    硬件信息:开发板 ESP32-S3-DevKitM-1(EPS32-S3-wroom-1模块) 其它硬件:一个usb-type-c连接线。 软件环境:ESP-IDF 5.0 PowerShell 、vscode ESP32对自己来说还是比较新的,最近也是刚刚接触,这里对自己使用ESP32进行简单说明。 博文链接:【在英伟达nvidia的jetson-orin-nx和PC电脑ubuntu20.04上-装

    2024年02月05日
    浏览(64)
  • Jetson Xavier NX配置全过程——D435i和T265驱动安装(三)

    Jetson Xavier NX配置全过程——系统与SDK烧录(一) Jetson Xavier NX配置全过程——安装OpenCV4.5.3(二) Jetson Xavier NX配置全过程——D435i驱动安装(三) 目录 一、安装RealSense SDK 1、RealSense SDK源码下载  2、安装依赖库 3、编译与安装 二、安装pyrealsense2 三、安装Realsense_ros 因为课题需

    2024年02月02日
    浏览(50)
  • Jetson Orin NX 开发指南(5): 安装 OpenCV 4.6.0 并配置 CUDA 以支持 GPU 加速

    Jetson 系列的开发板 CPU 性能不是很强,往往需要采用 GPU 加速的方式处理图像数据,因此本文主要介绍如何安装带有 GPU 加速的 OpenCV,其中 GPU 加速通过 CUDA 来实现。 参考博客 Ubuntu 20.04 配置 VINS-Fusion-gpu + OpenCV 4.6.0-CSDN博客Ubuntu 20.04 配置 VINS-Fusion-gpu + OpenCV 4.6.0https://blog.csdn.

    2024年02月04日
    浏览(58)
  • 【Jetson目标检测SSD-MobileNet应用实例】(四)在Jetson上使用CSI摄像头进行视频推理并输出检测结果

    【Jetson目标检测SSD-MobileNet应用实例】(一)win11中配置SSD-MobileNet网络训练境搭建 【Jetson目标检测SSD-MobileNet应用实例】(二)制作自己的数据集–数据集的采集、标注、预处理 【Jetson目标检测SSD-MobileNet应用实例】(三)训练自己的检测模型和推理测试 关于Jetson nano或者NX上的

    2023年04月10日
    浏览(40)
  • 深度学习中的一阶段目标检测

      博主简介 博主是一名大二学生,主攻人工智能研究。感谢让我们在CSDN相遇,博主致力于在这里分享关于人工智能,c++,Python,爬虫等方面知识的分享。 如果有需要的小伙伴可以关注博主,博主会继续更新的,如果有错误之处,大家可以指正。 专栏简介:   本专栏主要研

    2023年04月21日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包