Jetson nano/NX 部署Yolo v5过程记录
前言
大部分过程非原创，写这篇文章主要是因为设备不同出的问题也各不相同，需要到处去找解决方法，因此我把配置过程中遇到的全部问题以及解决方法记录在此。
一、配置cuda环境
烧录jetpack时已经内置好了cuda,但需要配置环境变量才能调用，打开终端：
gedit ~/.bashrc
打开后在最底部添加：
export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_ROOT=/usr/local/cuda
保存退出并查看cuda是否配置成功，在终端输入：
source ~/.bashrc
nvcc -V
二、安装pip3并配置需要的库
sudo apt-get update
sudo apt-get install python3-pip python3-dev -y
sudo apt-get install build-essential make cmake cmake-curses-gui -y
sudo apt-get install git g++ pkg-config curl -y
sudo apt-get install libatlas-base-dev gfortran libcanberra-gtk-module libcanberra-gtk3-module -y
sudo apt-get install libhdf5-serial-dev hdf5-tools -y
sudo apt-get install nano locate screen -y
三、安装所需的依赖
sudo apt-get install libfreetype6-dev -y
sudo apt-get install protobuf-compiler libprotobuf-dev openssl -y
sudo apt-get install libssl-dev libcurl4-openssl-dev -y
sudo apt-get install cython3 -y
四、安装opencv的系统级依赖,一些编解码的库
sudo apt-get install build-essential -y
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev -y
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev -y
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev -y
sudo apt-get install libxvidcore-dev libx264-dev -y
sudo apt-get install libatlas-base-dev gfortran -y
sudo apt-get install ffmpeg -y
五、更新CMake
这一步是必须的，因为arm架构的很多东西都要从源码编译，这里我遇到点小问题，具体看下面
wget http://www.cmake.org/files/v3.13/cmake-3.13.0.tar.gz
tar xpvf cmake-3.13.0.tar.gz cmake-3.13.0/ #解压
cd cmake-3.13.0/
./bootstrap --system-curl # 慢
make -j4 #慢
echo 'export PATH=~/cmake-3.13.0/bin/:$PATH' >> ~/.bashrc
source ~/.bashrc #更新.bashrc
我遇到的问题：
在CMake上找不到CURL（缺少：CURL_LIBRARY CURL_INCLUDE_DIR）
其实是前面下载依赖和库的时候少了下面这些，补上就好了：
sudo apt-get install curl
sudo apt-get install libssl-dev libcurl4-openssl-dev
一个小tips：
jetson设备会出现大容量设备无法挂载的情况，一条安装命令解决：
sudo apt-get install exfat-utils
六、安装pytorch
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
https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-9-0-now-available/72048
借用博主：IamYZD的链接：
#BaiDu
https://pan.baidu.com/s/1Nfm9w1DfE2k_cZQ1zTykMQ
提取码：zpsa
#CSND
https://download.csdn.net/download/IamYZD/21027946
2.安装pytorch1.8
把下载的包拷到开发板上，建议放桌面上，安装完就可以删了
sudo pip3 install # 直接把.whl拖到命令窗口中，让它自动填充文件位置
七、安装torchvision 0.9.0版本
pytorch和torchvision版本是需要对应的！
1.提前打上我们需要的依赖（是我踩过的大坑没错了）
sudo apt-get install libopenmpi2
sudo apt-get install libopenblas-dev
sudo apt-get install libjpeg-dev zlib1g-dev
2.安装
#这里我按照其他教程执行“python3 setup.py install”出现了illegal instruction(core dumped)的错误。
错误原因是没有添加系统变量因为jetson系列板块核心架构非常规。
终端打开：
gedit ~/.bashrc
将下面这段加到最底部:
export OPENBLAS_CORETYPE=ARMV8
退出：
source ~/.bashrc
cd torchvision # 进入到这个包的目录下
export BUILD_VERSION=0.9.0
python3 setup.py install --user
3.检验一下是否成功安装
python3
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
八、下载yolov5-5.0源码
再借博主：IamYZD的链接：
#BaiDu
https://pan.baidu.com/s/1UGJX7d2sSx04whjbQb3RTA
提取码：q0f3
九、安装yolov5需要的包
sudo pip3 install matplotlib==3.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
sudo pip3 install --upgrade Cython #更新一下这个包
#numpy有些特殊，已经自带了，但是是apt-get安装的，所以先卸掉原来的，也方便之后包的管理
sudo apt-get remove python-numpy
sudo pip3 install numpy==1.19.4
sudo pip3 install scipy==1.4.1. # 巨慢,二十多分钟好像
#这之后的一些包我在安装时都没有指定版本,这里的指令是根据之后pip3 list补上的
sudo pip3 install tqdm==4.61.2
sudo pip3 install seaborn==0.11.1
sudo pip3 install scikit-build==0.11.1 # 安装opencv需要这个包
sudo pip3 install opencv-python==4.5.3.56 # 不出意外也是一个相当漫长的过程
sudo pip3 install tensorboard==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
sudo pip3 install --upgrade PyYAML # 我升级到了5.4.1 也可以sudo pip3 install PyYAML==5.4.1
sudo pip3 install thop
sudo pip3 install pycocotools
最后
经过以上配置，不出意外的话各位的jetson nano上已经可以正常跑yolov5了
在源码的detect.py同目录下
python3 detect.py