jesation nano部署yolov5-6.0

如遇问题,可私聊博主。

一.格式化SD卡,烧录镜像

二.提前在电脑上下载对应版本的torch和torchvision压缩包

官方网站为:PyTorch

进不去的时候科学上网,如有需要私聊博主。

三.在电脑上下载MobaXterm,jesation nano这块板子自身下载东西过于麻烦,利用软件远程操控和上传文件。(MobaXterm的使用方法在此不详细说明)

四.配置CUDA

sudo gedit ~/.bashrc

在最底下输入

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

保存后,退出 

查看版本指令 

source ~/.bashrc
nvcc -V

正确配置后如下 

 

 查看Swap

free -h

 此时只有3.9G

输入 

sudo gedit /etc/systemd/nvzramconfig.sh

修改文件中1024改成4096 

保存后需要重启nano

sudo reboot

如果你t通过电脑重启nano失败,是权限的原因,自己手动重启nano 

再次查询Swap

free -h

五.更新pip 

 时间较久,在网络环境好的地方弄,不建议在板子上直接更新,通过Moba会快很多

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

六.安装torch

进入存放torch的文件夹,打开终端

pip install torch-1.8.0-cp36-cp36m-linux_aarch64.whl
sudo apt-get install libjpeg-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
sudo apt install python3-numpy
pip install Cython
export OPENBLAS_CORETYPE=ARMV8

验证安装

python3
import torch 
print(torch.__version__)

七.安装torchvision

进入torchvision的文件夹

sudo apt-get install libjpeg8 libjpeg62-dev libfreetype6 libfreetype6-dev
export BUILD_VERSION=0.9.0
python3 setup.py install –user

验证安装

python3
import torchvision
print(torchvision.__version__)

八.安装yolov5-6.0

 上传yolov5-6.0

cd yolov5-6.0
pip install -r requirements.txt

到此,安装结束。 

以下是将 Jetson Nano 部署YOLOv4-tiny 的详细过程: 1. 安装 JetPack JetPack 是 NVIDIA 的软件套件,其中包含 Jetson Nano 的操作系统、CUDA、cuDNN、TensorRT 等组件。可以从 NVIDIA 官网下载并安装。安装过程中需要选择 CUDA 和 cuDNN 的版本,需要与 YOLOv4-tiny 使用的版本相匹配。 2. 克隆 YOLOv4-tiny 仓库 使用以下命令从 GitHub 克隆仓库: ``` git clone https://github.com/AlexeyAB/darknet.git ``` 3. 编译 YOLOv4-tiny 在克隆的仓库目录下,执行以下命令编译 YOLOv4-tiny: ``` cd darknet make ``` 编译过程可能需要较长时间,取决于 Jetson Nano 的性能。 4. 下载权重文件 从 YOLOv4-tiny 的官方仓库中下载权重文件,可以使用以下命令: ``` wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.weights ``` 将权重文件保存到 darknet 目录下。 5. 测试 YOLOv4-tiny 在 darknet 目录下,执行以下命令测试 YOLOv4-tiny: ``` ./darknet detector test cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg ``` 该命令会使用 YOLOv4-tiny 模型检测 data/dog.jpg 中的狗,并输出检测结果。 6. 部署到 Jetson Nano 将编译好的 darknet 目录复制到 Jetson Nano 上,使用以下命令测试 YOLOv4-tiny: ``` ./darknet detector test cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg -thresh 0.4 ``` 这里添加了 -thresh 0.4 参数,用于过滤置信度低于 0.4 的检测结果。 以上就是将 Jetson Nano 部署YOLOv4-tiny 的详细过程。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值