yolov7环境配置（数据标注、部署、刷机、OpenCV）

一、准备环境配置

下载anaconda（Anaconda入门详解：https://juejin.cn/ post/6844903833412321294），创建conda虚拟环境：conda create -n yolo python=3.10。配置yolo环境需要的python包：pip install -i Verifying - USTC Mirrors -r requirements.txt。

下载cuda和cudnn（学习cuda和cudnn：https://www.jb51.net/article/275147.htm）。cuda是用于英伟达GPU的并行计算框架，cudnn是一个用于深层神经网络的GPU加速库。

二、数据标注

问题：终端启动labelimg，会出现闪退情况

解决：重新创建一个conda环境（python版本改为3.6.13），然后在此环境下安装labelimg。

安装labelimg：pip install -i Links for labelImg。

启动labelimg：进入conda环境，直接输入指令：labelimg

三、TensorRt部署

下载tensorRT（学习tensorrt：一篇就够：高性能推理引擎理论与实践(TensorRT)_深度学习_AIWeker_InfoQ写作社区）。

安装所需的python包：pip install *.whl

模型转换（.pt权重文件转.engine引擎文件）：

第一步，.pt转.onnx。在export.py文件中修改需要转的模型的路径，然后运行，生成.onnx文件，再将此文件（.onnx）复制到TensorRt-8.6.1.6\bin目录，在这个目录下进入终端，激活yolo环境，使用TensorRt自带的trtexec.exe将.onnx转成最终需要的.engine引擎文件（使用转换指令）

四、刷机

1、准备：安装VMware虚拟机，下载Linux系统（Ubuntu）的镜像文件

2、安装SDK Manager。指令：sudo dpkg -i 安装包路径

问题：安装时会出现结构报错。

解决：升级apt和apt-get：安装部分库（sudo apt –fix-broken install）;升级apt-get（sudo apt upgrade）;升级apt（sudo apt update）

再次安装SDKmanager，最后终端输入SDKmanager运行。

3、计算盒和电脑用USB数据线连接。

4、先按住REC不放，再按住RES两秒，依次松开RES、REC。进入recovery模式（刷机界面）

5、Linux终端输入：lsusb。显示Nvidia Crop为连接成功。

6、在terminal中输入SDKmanager，登录NVIDIA账号。

这里把Host Machine去掉，Target Hardware选择Jetson Xavier NX，Linux选择JetPack4.6.4，最后把DeepStream勾选上。

7、等待OS（开发板系统）烧录完成，然后下载cuda、cudnn等各种安装包（下载到sdk_downloads）

8、安装下载的包

9、完成刷机

问题：启动系统时报错，系统文件有问题（系统启动项默认eMMC）。

解决：删除系统文件（Ctrl+Alt+F2打开命令行，输入硬盘格式化指令：sudo mkfs -t ext4 /dev/sdb -t ext4。mkfs:创建新的文件系统；-t:指定文件系统类型；ext4:文件系统类型；/dev/sdb:设备文件名），重新装一遍系统。

五、迁移系统

将所有的系统文件、cuda、cudnn等迁移到格式化后的disk中。

1、将根目录下的所有文件和目录复制到指定路径：

sudo cp -ax / ‘/nvme/dev/mydisk’

至此，完成系统移植。

2、修改启动路径：

cd /boot/extlinux  
sudo cp extlinux.conf extlinux.conf.original 
sudo gedit /boot/extlinux/extlinux.conf  

得到启动文件：

修改启动文件：

修改完后，保存重新启动。至此，将硬盘设置为启动项