yolov5 部署jetson nano（通用） 保姆级教学

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

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 vim ~/.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。

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。