树莓派配置YOLOV5环境（可用跑通），并记录踩坑日常

引言

最近在树莓派上装用conda装yolov5的环境，不直接用树莓派自带的python3是因为我喜欢捣鼓环境，conda可以很好的解决python环境问题，而自带的python3一旦环境崩了，处理起来可能很麻烦，重装系统也费时间。
因为自己的环境部署能力还凑活，基本就是遗忘的某些步骤参考下博客，其中发现网上很多文章都存在不小的问题，而这些问题最终导致我多花费了工作量，我自己踩了一遍并记录下来。我会详细阐述搭建过程的步骤，操作的原因（自己的理解），系统和软件的版本。我将问题和解决办法分开纪录，不需要关注问题的直接看------------------解决办法-------------以下的内容即可。那么开始！！！

下载系统

这里我们在官网选择64位系统的2022-04-07版本。为什么不选择最新版是因为根据我个人习惯，我认为最新版都会存在或多或少的bug，遇到了处理起来很心累，所以选择最新版之前的版本较为稳定。
链接: https://downloads.raspberrypi.org/raspios_arm64/images/raspios_arm64-2022-04-07/
下载好后用读卡器写入SD卡插上开机使用即可，这里不再多赘述。需要开机步骤的请参考其他博客。

更新镜像源

如果只是为了跑通yolov5，此步骤不需要，可以跳过。
网上很多博客给出的镜像都存在问题，要么需要密匙，添加后又不能用，要么镜像本身就有问题，sudo apt update后就报错。
下面是我实验的可用镜像源：

# /etc/apt/sources.list 替换下面的镜像
deb https://mirrors.aliyun.com/debian/ bullseye main non-free contrib
deb-src https://mirrors.aliyun.com/debian/ bullseye main non-free contrib
deb https://mirrors.aliyun.com/debian-security/ bullseye-security main
deb-src https://mirrors.aliyun.com/debian-security/ bullseye-security main
deb https://mirrors.aliyun.com/debian/ bullseye-updates main non-free contrib
deb-src https://mirrors.aliyun.com/debian/ bullseye-updates main non-free contrib
deb https://mirrors.aliyun.com/debian/ bullseye-backports main non-free contrib
deb-src https://mirrors.aliyun.com/debian/ bullseye-backports main non-free contrib
# /etc/apt/sources.list.d 替换下面的镜像
deb http://mirrors.aliyun.com/raspberrypi/ buster main ui

之后 sudo apt update，sudo apt upgrade就没有问题。

安装miniconda

-------------------------------------------遇到问题-------------------------------------
这里我照常在网上下载miniconda并装入树莓派，以为就能用，没有多想嵌入式操作系统很多地方都不兼容这个大问题！结果就出现问题：

参考博客链接: https://blog.csdn.net/IT_lesliewu/article/details/124893143
发现是因为树莓派不能兼容高版本的miniconda，选用4.9.2及以下即可。
-------------------------------------------解决办法-------------------------------------
下载

wget https://repo.anaconda.com/miniconda/Miniconda3-py37_4.9.2-Linux-aarch64.sh

安装

bash Miniconda3-py37_4.9.2-Linux-aarch64.sh

后面一直回车，需要输入yes就输入yes，然后等待安装完毕。

安装虚拟环境

这一块是最神奇的地方，且听我慢慢安装，慢慢道来。
如往常一样，开启新的虚拟环境，并切换过去。（我也尝试了python3.7，发现都可以）

conda create -n new python=3.9
conda activate new

-------------------------------------------遇到问题-------------------------------------
这样安装好的虚拟环境的pip是不能用的，不管是pip install 还是pip -V，整个pip不能用，也是如下图：

我搜集了大量的内容，加上我自己的经验，以及我观察到的现象：猜测可能是pip版本问题。因为上面的命令默认安装的是pip的最新版，在“new”环境下pip无法使用，但是且回到“base”下pip是正常的。为了验证猜想，来看看两个环境下的pip版本
new（默认安装的最新版pip）：

base：

然后我使用如下命令来指定pip版本：

conda create -n new python=3.9 pip=21.0.1

在我以为大功告成了，奇怪的事情发生，新环境的pip依旧不能用，还是和上面一样的错误。
-------------------------------------------解决办法-------------------------------------
接着继续搜集资料呗，这篇博客给我了启示：
链接: https://blog.csdn.net/weixin_43710676/article/details/129222042
我把~/miniconda3/lib/libcrypto.so.1.1 替换~/miniconda3/envs/new/lib/libcrypto.so.1.1 解决问题
使用

pip -V

查看版本，发现pip是最新版，没有因为替换而改变，但是能用了，很奇怪。
我不清楚原因，不过可以肯定的是，安装新环境的时候肯定是lib下的某些文件出现了问题，有兴趣的可以自己去对比看看 ~/miniconda3/lib ~/miniconda3/envs/new/lib这两个文件夹下的文件，虽然名字相同，但是有些大小却不一样，说明不是相同文件。

安装yolov5依赖环境

-------------------------------------------遇到问题-------------------------------------
这里会出现的问题在于直接用官方代码里的requirements.txt文件是不行的，python导入包的时候会依旧会出现 Illegal instruction 的问题。
-------------------------------------------解决办法-------------------------------------
原因是有些包的版本高，不兼容树莓派系统。解决办法就是改写requirements.txt，指定依赖的版本，这里是我改写的：

# YOLOv5 requirements
# Usage: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib==3.7.1
pyserial==3.5
numpy==1.22.3
opencv-python==4.7.0.72
Pillow==9.2.0
PyYAML==6.0
requests>=2.23.0
scipy>=1.4.1
torch==1.12.0  # see https://pytorch.org/get-started/locally/ (recommended)
torchvision==0.13.0
tqdm>=4.64.0
# pyrealsense2
protobuf<=3.20.1  # https://github.com/ultralytics/yolov5/issues/8012

# Logging -------------------------------------
# tensorboard>=2.4.1
# wandb
# clearml

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=6.0  # CoreML export
onnx==1.12.0  # ONNX export
onnxruntime==1.13.1
# onnx-simplifier>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn<=1.1.2  # CoreML quantization
# tensorflow>=2.4.1  # TF exports (-cpu, -aarch64, -macos)
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev  # OpenVINO export

# Deploy --------------------------------------
# tritonclient[all]~=2.24.0

# Extras --------------------------------------
ipython  # interactive notebook
psutil  # system utilization
thop>=0.1.1  # FLOPs computation
# mss  # screenshots
# albumentations>=1.0.3
# pycocotools>=2.0  # COCO mAP
# roboflow

如果自己的代码还不能跑，大部分就是依赖没安装完整，缺什么安装就行，如果出现Illegal instruction的问题，就降低安装依赖的版本。

还在解决上面不清楚原因的问题，未完待续。。。。。。