图为盒子T906_Orin Jetpack刷机及配置yolo5环境

目录

一.图为盒子配置

二.配置CUDA环境变量

三.配置cudnn：

四.Pytorch安装

 五.安装torchvision：

六.下载YOLOv5包：

---

一.盒子配置

1.首先sudo apt update   （注意：此时先不要挂载ssd）

注：sudo apt update不成功的话就换源：

先备份原本的源，更改 source.list 文件的名字，以 备不时之需：

sudo  cp  /etc/apt/sources.list /etc/apt/sources.list.bak

sudo  gedit  /etc/apt/sources.list

然后删除所有内容，复制以下内容：

deb https://mirror.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main restricted universe multiverse
deb https://mirror.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
deb https://mirror.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse
deb https://mirror.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-security main restricted universe multiverse
deb https://mirror.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-proposed main restricted universe multiverse

再打开终端，输入下述命令进行更新：

sudo  apt-get  update

2.update成功的话，安装jetpack：

sudo  apt  install  nvidia-jetpack -y

 如果提示unable to locate package nvidia-jetpack:

那么原因就是之前的环境都是配置在SSD上面，在他上面不能update了，只能回到emmc上执行。

解决办法是最好是格式化SSD，重新挂载。但这样的话你之前在SSD上的东西 都会没有了

解决办法：依次执行以下命令：

sudo mount /dev/mmcblk0p1 /mnt
cd /mnt/etc/
sudo rm setssdroot.conf
sudo reboot

执行完之后重启，然后再执行：

sudo apt update（一定要连网）
sudo apt install nvidia-jetpack -y

然后就绝对可以安装jetpack了，静静等待一段时间。

二.配置CUDA环境变量

cuda已经默认安装在/usr/local/cuda下

sudo gedit ~/.bashrc

在bashrc文件最后添加：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

完事后在终端：

source ~/.bashrc

然后就可以查看cuda版本了：

nvcc -V

三.配置cudnn：

cuDNN 的默认安装路径如下：

cudnn head （头文件）： /usr/include/cudnn.h

cudnn lib（库文件）： /usr/lib/aarch64-linux-gnu/libcudnn*

libcudnn* 表示所有以 libcudnn... 开头的文件。把这两部分文件复制到我们刚才操作的cuda路径 /usr/local/cuda

首先复制文件到cuda目录下：

cd /usr/include && sudo cp cudnn* /usr/local/cuda/include
cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64

修改文件权限，修改复制完的头文件与库文件的权限，所有用户都可读，可写，可执行：

sudo chmod 777 /usr/local/cuda/include/cudnn.h 
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*

重新软链接，这里的8.4.1和8对应安装的cudnn版本号和首数字

cd /usr/local/cuda/lib64

sudo ln -sf libcudnn.so.8.4.1 libcudnn.so.8

sudo ln -sf libcudnn_ops_train.so.8.4.1 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.4.1 libcudnn_ops_infer.so.8

sudo ln -sf libcudnn_adv_train.so.8.4.1 libcudnn_adv_train.so.8
sudo ln -sf libcudnn_adv_infer.so.8.4.1 libcudnn_adv_infer.so.8

sudo ln -sf libcudnn_cnn_train.so.8.4.1 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.4.1 libcudnn_cnn_infer.so.8

sudo ldconfig

测试cudnn的demo：

sudo cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/conv_sample
sudo make clean
sudo make
./conv_sample

cudnn_samples_v8 里面有七八个 demo，但是有个别跑不通，比如mnistCUDNN ，目前不清楚原因，不过有能跑通的就好。下面是 conv_sample demo 的输出结果：

 出现Test PASSED字样则说明成功。

四.Pytorch安装

jetson 的 pytorch不能像pc那样安装。不同的 JetPack 版本对应于不同的 python 和 pytorch 版本，请根据Jetson Zoo进行判断。我装的是 JetPack 5.0，因此匹配 python 3.8 + pytorch 1.12.0

查看jetpack版本命令：

sudo apt show nvidia-jetpack

jetpack版本与python版本与pytorch版本对应关系图：

直 接去官网下载： PyTorch for Jetson - Jetson Nano - NVIDIA Developer Forums

下载完后放到home路径下

然后开始安装：

安装步骤按照官网：

第一行不用执行，然后把方框中的版本换成下载的版本即可

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev
pip3 install Cython
pip3 install numpy + 你安装的版本

如果提示pip找不到命令：

sudo apt-get install python3-pip

安装成功：

 五.安装torchvision：

首先去官网查看对应版本：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048

我这里面装的是pytorch1.12，所以对应的torchvision是0.13.0

安装命令：

第一步：

sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

 

第二步：

就是下载安装包：

    有两种下载方式，第一种是使用命令：

git clone --branch v0.12.0 https://github.com/pytorch/vision torchvision（这里面的v0.12.0换成你自己要下载的版本，注意这里前面的字母v不要漏了）

 第二种下载方式是通过GitHub直接下载到home根目录下：首先在home根目录下打开终端创建文件夹：

mkdir torchvision

 然后进入GitHub网站进行下载：

GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer VisionGitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision

  选择0.13.0版本后，在code中进行下载

 下载好了以后，文件就在download文件夹里面，解压，然后复制里面所有的文件，粘贴到刚才在home根目录下创建的torchvision文件夹下面。

第三步：

cd torchvision

第四步：

export BUILD_VERSION=0.13.0

注意后面的0.13.0换成你自己安装的版本，但这里前面没有字母v

第五步：

python3 setup.py install --user

注意：这里面如果报错：找不到usr/local/cuda/nvcc:

此时首先判断cuda安装好了没，打开终端输入：nvcc -V。如果有输出cuda版本信息，就说明安装好了。

   安装好了还出现找不到nvcc的错误的话，就在终端（新打开一个）输入：

export CUDA_HOME=/usr/local/cuda

然后再重新执行第三、四、五步就好了:

 安装成功后会提示：

安装完后验证pytorch和torchvision：

 

如果出现版本信息说明安装完成。

 至此环境基本配置完毕，可以用命令看一下自己已经安装的东西：

JetPack: sudo apt show nvidia-jetpack
CUDA: nvcc -V
cuDNN ：dpkg -l libcudnn8
openCV:dpkg -l libopencv
TensorRT: dpkg -l tensorrt

六.下载YOLOv5包：

（在github上下载：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLitehttps://github.com/ultralytics/yolov5）

下载后复制到home根目录下（yolov5-master）

然后在yolov5-master下载权重文件：

Releases · ultralytics/yolov5 · GitHubYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5/releases

然后在yolov5-master目录下打开终端进行测试：

python3 detect.py

如果报错缺什么就pip3安装什么，直到测试成功。例如：

 

补充：

如果下载慢：（后面加上阿里的镜像源），例如：

​
pip install -r requirements.txt -i Simple Index --trusted-host mirrors.aliyun.com

​

 

全部弄完之后在重新敲命令：python3 detect.py

就会在/yolov5-master/runs/detect/exp 中看到自带图像的识别结果：

外接usb摄像头进行图像识别：

    只需在source中修改摄像头（USB的摄像头）参数（具体的接口数字）

python3 detect.py --source 8 

(我当时测试出来图为盒子是8)

备注：

上面的内容都是yolov5-master版本

如果下载的是yolov5-5.0的版本，运行python3 detect.py后会出现一些问题：

问题1.关于upsample：

 解决办法：

按照路径：home/nvidia/.local/lib/python3.8.site-packages/torch/nn/modules/upsample.py

打开该文件：

第152行修改成和下面一样：

 

 问题2：argument of type 'int' is not iterable:

解决办法：

在/yolov5-5.5/utils/datasets.py文件下279行修改成如图：