Jetson Nano上运行YOLOv5在进行TensorRt加速过程中遇到的问题

最新推荐文章于 2023-05-15 19:50:50 发布
最新推荐文章于 2023-05-15 19:50:50 发布
阅读量898 收藏 1
点赞数
分类专栏： Ubuntu Jetson Nano 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LYiiiiiii/article/details/119756767
版权
在尝试在Jetson Nano上使用TensorRT加速YOLOv5模型时遇到了错误，问题根源在于YOLOv5的权重文件与TensorRT的版本不兼容。为解决此问题，需要确保权重文件与TensorRT版本相匹配，或者更新两者以实现兼容。
摘要由CSDN通过智能技术生成

我在Jetson Nano在进行TensorRt加速过程中生成.engine文件时遇到的了如下的问题：

(yolov5) ly@ly:~/tensorrtx-master/yolov5/build$ sudo ./yolov5 -s ../yolov5s.wts yolov5s.engine s
[sudo] password for ly: 
arguments not right!
./yolov5 -s  // serialize model to plan file
./yolov5 -d ../samples  // deserialize plan file and run inference

原因：YOLOv5权重文件和TensorRT的版本不对应导致的

LYiiiiiii
关注
专栏目录
jetson nano的yolov8的tensorrt加速部署
m0_49586319的博客
11-17 1191
yolov8在jetson nano平台的tensorrt部署，帧率到19帧。
Jetson nano上部署自己的Yolov5模型（TensorRT加速）onnx模型转engine文件
sinat_28371057的博客
08-16 1万+
Jetson nano上部署自己的Yolov5模型（TensorRT加速）onnx模型转engine文件 技术标签：pythonJetson Nano机器学习深度学习神经网络图像识别 背景 在主机上训练自己的Yolov5模型，转为TensorRT模型并部署到Jetson Nano上，用DeepStream运行。 硬件环境： RTX 2080TI主机 Jetson Nano 4G B01 软件环境： Jetson Nano: Ubuntu 18.04 Jetpac...
tensorRT加速yolov5 arguments not right!问题解决
amosjy的博客
04-10 1494
输入下面代码 sudo ./yolov5 -s 结果却是： arguments not right! 这个时候检查一下tensorrtx版本是否和yolov5版本一样 例如yolov5-3.1 要对应tensorrtx-3.1版本
【Jetson平台 ubuntu 18.04 使用 TensorRT 加速 YOLOv5 检测】
hxb971002的博客
07-19 1494
Jetson平台 ubuntu 18.04 使用 TensorRT 加速 YOLOv5 检测
Jetson Nano使用TensorRT加速yolov3-tiny目标识别
double_ZZZ的博客
01-13 1306
文章目录环境配置运行TRT-yolov3测试(识别)模型替换(详细)yolov3-tiny -> onnxonnx -> trtResource 环境配置 安装protobuf sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple protobuf==3.8.0 安装onnx sudo apt-get install protobuf-compiler libprotoc-dev 安装pillow sudo
【jetson nano】jetson nano环境配置+yolov5部署+tensorRT加速模型
weixin_46007139的博客
03-16 1万+
Jetson nano配置并部署自己的Yolov5模型（TensorRT加速）全过程
tensorrt之tensorrtx编译：遇到的错误提示
YBAdiam的博客
10-13 5190
CMake Error: The current CMakeCache.txt directory /workspace/tensorrtx/yolov5/build/CMakeCache.txt is different than the directory /home/zbsj2/projects/deploy/tensorrtx/yolov5/build where CMakeCache.txt was created. This may result in binaries being create
jetson nano csi摄像头 tensorrt 运行yolov8检测 项目代码
最新发布
05-27
在本项目中，我们主要关注的是利用Jetson Nano开发板，通过CSI接口连接的摄像头，以及TensorRT优化的Yolov8模型进行目标检测。这是一个典型的嵌入式计算机视觉应用，涉及到了硬件平台、图像输入、深度学习模型优化...
Jetson nano上部署自己的Yolov5模型（TensorRT加速）
热门推荐
ailaier的专栏
04-30 3万+
背景 在主机上训练自己的Yolov5模型，转为TensorRT模型并部署到Jetson Nano上，用DeepStream运行。 硬件环境： RTX 2080TI主机 Jetson Nano 4G B01 软件环境： Jetson Nano: Ubuntu 18.04 Jetpack 4.5.1 DeepStream 5.1 主机： Ubuntu 18.04 CUDA 10.2 yolov5 5.0 训练模型（主机上） yolov5项目链接https://github.com/
Jetson Nano TensorRT C++加速 YOLOV5，集成进qt项目中
rglkt的博客
08-17 4646
环境前提：搭建好YOLOv5所需环境，Jetson Nano自带了tensorRT环境。进入正题，首先是tensorrtx 项目的使用。
Yolo V5 转tensorrt
01-25 6668
一、 在转tensorrt之前，请先确认你下载的yolo v5的版本及对应权重： 在官方地址： https://github.com/ultralytics/yolov5 中有个master下有个Tags，选择v6.0版本 2. 点击v6.0后下面给出这个版本的代码以及权重，去下面找它的权重 点击里面yolo v5s 或者yolo v5l 后进入新的页面，在下面有个assets中选择对应的版本，下载即可。这是它是按照对应版本进行下载的。就是v6.0版本的yolo v5代码对应...
yolov5s模型转tensorrt+deepstream检测+CSI和USB摄像头检测
weixin_54603153的博客
09-03 1万+
前言 把自己训练好的yolov5s.pt转为tensorrt模型是为了实现推理加速，过程也非常简单，不过有一点就是网上的教程很多但是yolov5的代码版本也有很多，所以导致很多操作有一些不同，所以建议直接去大佬的开源看他的readme，下面我就来说一下我yolov5-5.0的转换过程 以下步骤都是在jetson nano上进行 一、安装pycuda sudo pip3 install pycuda 这里我直接安装出现了错误 安装不上，于是我们只能进行自己编译安装 安装前先配置环
TensorRT部署YOLOv5(VS和Cmake两种方式)
qq_52859223的博客
04-15 1万+
小白都会的文章
TX2+调用板载摄像头实时目标检测（yolov5)+tensorrt
weixin_45371818的博客
07-21 6246
前言 首先感谢無證騎士博主的大力支持，本文的也是根据他的文章魔改。 因项目需求，在TX2上部署yolov5算法实时检测目标。之前在ubantu上做过yolov5的图片检测，实时检测与之类似，但也是耗费一周的时间，原谅我是个小白。 一、环境安装 附上無證騎士博主的博客地址： https://blog.csdn.net/hahasl555/article/details/116500763 二、opencv的安装 本人使用的opencv并不是按照上述博客安装的，而是使用的是opencv=4.2.0
jetson nano 6 TensorRT部署YOLOV5
weixin_48057700的博客
12-15 2790
jetson tesorRT部署yolov5
yolov5 推理，运行detect.py出错
weixin_62131645的博客
05-08 2582
在训练完成准备运行推理的时候，出项这个报错，孩子实在找不出原因了 Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.25, device='', exist_ok=False, img_size=640, iou_thres=0.45, name='exp', nosave=False, project='runs/detect', save_conf=False, save_txt=False, source
Jetson nano部署Yolov5目标检测 + Tensor RT加速（超级详细版）
qq_67381784的博客
05-15 2万+
解决完报错之后，在运行上面的命令，会自动下载需要的安装包，其他的都是很快的，但是到opencv的时候需要花费很长很长很长很长的时间......，当安装opencv时会出现Building wheel for opencv-python (pyroject.toml)... 这种情况正常现象，是opencv在编译，继续等就可以了，我编译了2个多小时...在测试时如果报错PIL，就安装pillow，命令如下（在第二步如果报权限错误，就在开头加sudo，或在结尾加--user）
生成tensorrt引擎错误记录-yolov5
qq_42362891的博客
05-06 1万+
warning: ‘nvinfer1::Dims::type’ is deprecated [-Wdeprecated-declarations] note:TRT_DEPRECATED DimensionType type[MAX_DIMS]; //!< The type of each dimensi
解决YOLOV5 用自己的数据训练，手写预测代码实现效果差
cxkshizhenshuai的博客
08-16 1673
YOLOV5天坑，YOLOV5 用自己的数据训练，手写预测代码实现效果差
在jetson nano上tensorrt加速yolov5
03-11
可以回答这个问题。在 Jetson Nano 上使用 TensorRT 加速 YOLOv5 可以显著提高模型的推理速度和效率。具体实现方法可以参考 NVIDIA 官方提供的 Jetson Inference 库，该库提供了一系列示例代码和工具，可以帮助用户快速实现基于 TensorRT 的深度学习推理应用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

LYiiiiiii

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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