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。
注:该博客原文来自Jetson nano/NX 部署Yolo v5过程记录
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/binKaTeX parse error: Expected '}', got 'EOF' at end of input: {PATH:+:{PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64KaTeX parse error: Expected '}', got 'EOF' at end of input: …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
终端依次输入:
source ~/.bashrc
nvcc -V
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
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
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
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
下载并解压:
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/
进入文件夹:
cd cmake-3.13.0/
编译:
./bootstrap --system-curl
make -j4
添加环境变量:
echo 'export PATH=~/cmake-3.13.0/bin/:$PATH' >> ~/.bashrc
更新.bashrc:
source ~/.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
一个小提示:
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
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
https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-9-0-now-available/72048
或借用博主:IamYZD的链接:
#BaiDu
https://pan.baidu.com/s/1Nfm9w1DfE2k_cZQ1zTykMQ
提取码:zpsa
#CSND
https://download.csdn.net/download/IamYZD/21027946
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
(直接把.whl拖到命令窗口中,让它自动填充文件位置)
sudo pip3 install
注:pytorch和torchvision版本是需要对应的!
sudo apt-get install libopenmpi2
sudo apt-get install libopenblas-dev
sudo apt-get install libjpeg-dev zlib1g-dev
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
退出并更新:
source ~/.bashrc
进入到torchvision这个包:
cd torchvision
执行:
export BUILD_VERSION=0.9.0
python3 setup.py install --user
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
再借博主:IamYZD的链接:
#BaiDu
https://pan.baidu.com/s/1UGJX7d2sSx04whjbQb3RTA
提取码:q0f3
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(需执行)
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
经过以上配置,不出意外的话各位的Jetson Xavier NX上已经可以正常跑yolov5了
在源码的detect.py同目录下
python3 detect.py