jeston nano + YOLOv8

最新推荐文章于 2025-03-19 23:44:36 发布

Frank12307

最新推荐文章于 2025-03-19 23:44:36 发布

阅读量984

点赞数 23

分类专栏： YOLOV8 文章标签： YOLO jetson nano

本文链接：https://blog.csdn.net/hellow_xqs/article/details/145933543

版权

YOLOV8 专栏收录该内容

3 篇文章

订阅专栏

1.硬件选型

1.购买jetson nano A02 4GB

2.Jetson Nano A02、B01和2Gb版本的区别(为什么选择A02)

参数比较

在这里插入图片描述

硬件区别

从表中我们可以看出，旧版的4Gb A02 Jetson Nano和新版的B01 Jetson Nano的差别只是少了一个CSI摄像头接口，而新的 Jetson Nano 2GB的明显区别是少了2Gb的内存和接口上的差异。 Jetson Nano 2GB 没有了Display Port，只留下 HDMI 端口连接外部显示器。USB连接器也发生了变化。只有一个 USB 3.0 和一个 USB 2.0。对于无线连接，Jetson Nano 2GB 没有了M2接口，要使用Wifi，只能使用Usb的 802.11ac 无线适配器

软件区别

自从JetPack 4.4.1以后，A02和B01的Jetson Nano Image可以互相通用，在Nividia论坛的这里有讨论，虽然我还没测试过，但我记得4.3之前的版本我测试过不能混用。至今4Gb版本和2Gb版本还不能混用，所以如果要做系统迁移，这里是需要注意的。下图是4.5.1的JetPack还是区分4Gb和2Gb的image。

总结：如果没有双摄像头的需求是，A02是B01版本的完美替代，A02结构图如下

在这里插入图片描述

3.其他硬件选型

无线网卡AC8265 2.4/5G蓝牙 4.2PCB天线(将网卡嵌入开发板)
5V4A DC供电电源（DC供电需要加跳线帽，USB供电则不需要）
连接板子的鼠标、键盘和显示屏（可能需要VGA转HDMI的转换器）
16GB及以上SD卡（建议准备64G以上）＋读卡器
USB摄像头(RGB摄像头，YOLO只能直接读取RGB摄像头，CSI摄像头无法直接使用)

2.镜像下载烧录

1.Jetson镜像下载

什么是NVIDIA JetPack？ JetPack包括带引导加载程序的Jetson Linux、Linux内核、Ubuntu桌面环境以及一整套用于加速 GPU计算、多媒体、图形和计算机视觉的库。

下载地址(使用魔法下载更快)： https://developer.nvidia.com/embedded/downloads

找到Jetson Nano Developer Kit SD Card Image，版本为4.6.1，点击下载即可

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2.jetpack不同版本适用于不同的开发板

在这里插入图片描述

3.镜像烧录

下载内存卡格式化工具和烧录工具

格式化工具：SDF官网： https://www.sdcardformatter.com/download/
烧录工具：Win32官网： https://sourceforge.net/projects/win32diskimager/

格式化TF卡
烧录镜像至开发板

显示“写入成功”后，就可以把内存卡插入到jetson nano

3.初始化jetson nano a02

1.硬件设置

1.准备显示器，HDML线和显示器电源线，将显示器连接开发板

2.软件设置

1.选择语言页面选择中文简体，其他全部设置默认，设置用户密码：账号：ubuntu，密码：ubuntu
2.进入初始化页面之后点击wifi，选择相应的网络进行连接，并点击连接信息，获取本机IPv4地址

3.远程连接

SSH连接(只显示终端，较为流畅)：下载并安装WindTerm，点击新建会话，输入jetson nano的IP地址，输入账号和密码即可连接成功

VNC连接(显示全屏，较为卡顿)：下载并安装VNC，并配置Vino，安装VNC后，在顶部输入开发板的ip地址，回车即可进行连接

Vino配置：Vino 是 GNOME 桌面环境中的一个远程桌面服务器，它实现了 VNC 协议，允许其他设备通过 VNC 客户端远程访问并控制运行 GNOME 桌面环境的计算机。

查询是否有Vino服务(出现版本号则不需要安装)

使用命令来查看是否有vino服务器：dpkg -l | grep vino

没安装的话，需要安装一下

sudo apt update
sudo apt install vino

设置vino属性

gsettings set org.gnome.Vino require-encryption false 
gsettings set org.gnome.Vino prompt-enabled false 
gsettings set org.gnome.Vino authentication-methods "['vnc']"

设置vnc连接密码，这里设置的是ubuntu

gsettings set org.gnome.Vino vnc-password $(echo -n 'root' | base64)

设Enable VNC 服务

sudo ln -s ../vino-server.service /usr/lib/systemd/user/graphical -session.target.wants

编辑xml配置文件

sudo nano /usr/share/glib-2.0/schemas/org.gnome.Vino.gschema.xml

若未安装nano编辑器软件，运行以下命令，安装一下编辑器。重新执行上面的命令
sudo apt update
sudo apt install nano

xml文件最底部，增加一项配置(python缩进严格)

<key name='enabled' type='b'>
  <summary>Enable remote access to the desktop</summary>
  <description>
    If true, allows remote access to the desktop via the RFB protocol. Users on remote machines may then connect to the desktop using a VNC viewer.
  </description>
  <default>false</default>
</key>

修改完后，按ctrl+X退出，输入y回车确认

设置为Gnome编译模式

sudo glib-compile-schemas /usr/share/glib-2.0/schemas

重启电脑

sudo reboot

4.设置winSCP传输工具

下载地址：winSCP官网下载地址：https://winscp.net/eng/download.php

左侧是本机电脑的文件，右侧是远程开发板的文件；选中文件后，可以上传或者下载实现传输

4.系统资源设置

1.修改下载源

首先备份源列表

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

打开sources.list文件，把里面的内容，替换为下方的下载源。

sudo nano /etc/apt/sources.list

下载源

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

输入 ctrl+x ，然后输入 y 回车确认即可修改完成

2.设置CUDA系统变量

默认的jetpack镜像包里面，已经封装有cuda显卡驱动了，不需要重复安装，只需要添加把它的路径添加到系统环境变量就行

打开bashrc配置文件

sudo nano ~/.bashrc

添加以下内容

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

更新文件，并查看是否生效

source ~/.bashrc
nvcc -V

3.安装miniconda

是python包管理器，可以通过conda和pip命令安装python包，用于隔绝环境

下载官网地址： https://docs.anaconda.com/miniconda/
jetson nano是aarch架构，下载这个版本： Miniconda3 Linux-aarch64 64-bit版本：https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
将安装包下载完之后直接通过winSCP传到开发板
开始安装

bash Miniconda3-latest-Linux-aarch64.sh

一直按回车键确认，直到出现选择yes no的界面，然后输入 yes,之后直接按回车确认就行
安装完后，更新一下系统配置文件

source ~/.bashrc

当终端的前面，多了一个括号(base)就说明安装好了

4.修改miniconda下载源

conda config --set show_channel_urls yes

使用编辑器，打开.condarc

nano ~/miniconda3/.condarc

选择清华源粘贴进去，ctrl+x，y，回车确认退出即可

channels:- defaults
show_channel_urls: true、
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels: 
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

5.部署yolov8

1.下载YOLOv8源码

下载完成之后解压源码，将文件夹命名为yolov8，并通过winSCP传入开发板根目录中

YOLOv8官网： https://github.com/ultralytics/ultralytics

2.在根目录下创建虚拟环境

conda create -n yolov8 python=3.8 -y

3.进入虚拟环境

conda activate yolov8

4.进入到yolov8环境，并且cd打开到yolov8的目录

5.安装依赖

（在安装前，需要注意先把pytorch相关的注释掉，否则无法调用英伟达加速）

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

6.安装pytorch GPU版

在开发板根目录新建文件夹pytorch
通过winSCP把安装包（torch-1.11.0a0+gitbc2c6ed-cp38-cp38 linux_aarch64.whl和torchvision-0.12.0a0+9b5a3fe-cp38-cp38-linux_aarch64.whl）传输到开发板pytorch文件夹中
通过cd命令，打开pytorch文件夹，开始安装

pip install torch-1.11.0a0+gitbc2c6ed-cp38-cp38-linux_aarch64.whl torchvision 0.12.0a0+9b5a3fe-cp38-cp38-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装常见依赖库

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

安装libopenmpi

wget http://ports.ubuntu.com/pool/universe/o/openmpi/libopenmpi2_2.1.1 8_arm64.deb

sudo dpkg -i libopenmpi2_2.1.1-8_arm64.deb

若安装报错，运行下方的命令

sudo apt-get install libhwloc5 libhwloc-plugins

sudo apt-get update && sudo apt-get upgrade

出现OSError: libomp.so.5: cannot open shared object file: No such file or directory

sudo apt-get update
sudo apt-get install libomp-dev
sudo apt-get install libomp5

出现报错：有未能满足的依赖关系。请尝试不指明软件包的名字来运行“apt --fix-broken install”

sudo apt --fix-broken install

出现报错则：ImportError: libopenblas.so.0

sudo apt-get install libopenblas-dev

numpy版本降级

pip uninstall numpy 
pip install numpy==1.23.5 -i https://pypi.tuna.tsinghua.edu.cn/simple/

测试是否安装成功

python
import torch
print(torch.cuda.is_available())

输出返回True的时候，pytorch版安装成功

6.测试yolov8

1.在yolov8虚拟环境中进入yolov8目录

python wzq.py

或者

yolo predict model=yolov8n.pt source="ultralytics/assets/bus.jpg"

看到运行结果保存到run目录下

2.转换onnx格式加速

安装环境依赖：onnxruntime_gpu-1.11.0-cp38-cp38-linux_aarch64.whl
上传安装包至开发板(yolov8目录)
开始安装

pip install onnxruntime_gpu-1.11.0-cp38-cp38-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple/

把pt模型，转为onnx格式

yolo export model=yolov8n.pt format=onnx device=0

测试是否转换成功

yolo predict model=yolov8n.onnx source="ultralytics/assets/bus.jpg"

3.导出TensorRT格式

安装环境依赖

所需要的安装包：
tensorrt-8.2.3.0-cp38-none-linux_aarch64.whl
onnxruntime_gpu-1.16.0-cp38-cp38-linux_aarch64.whl

上传至开发板(yolov8目录)
然后安装

pip install tensorrt-8.2.3.0-cp38-none-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install onnxruntime_gpu-1.11.0-cp38-cp38-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple/

开始转换，转换yolov8n.pt为yolov8n.engine

yolo export model=yolov8n.pt format=engine

测试是否导出成功

yolo predict model=yolov8n.engine source="ultralytics/assets/bus.jpg" device=0

4.测试摄像头检测

yolo predict model=yolov8n.engine source=0 device=0

5.增加参数实时显示画面：show=True

yolo predict model=yolov8n.engine source=0 device=0 show=True

6.保存训练的结果，可以增加参数：save=True

yolo predict model=yolov8n.engine source=0 device=0 show=True save=True

以上为粗略笔记，感谢各位浏览至此