在英伟达 jeason nano配置yolov5

laoli_

已于 2022-12-07 14:59:00 修改

阅读量1.7k

点赞数 1

文章标签：深度学习人工智能 pytorch

于 2022-12-07 13:45:32 首次发布

本文链接：https://blog.csdn.net/laoli_/article/details/128215160

版权

一、jetson nano默认已经安装了CUDA10.0，但是没有配置，需要你把CUDA的路径写入环境变量中。打开.bashrc 文件，执行命令：

sudo gedit ~/.bashrc

在文件的最后添加如下：

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.0/bin:$PATH

验证cuda安装是否成功：关闭当前命令行，并执行:

source ~/.bashrc
nvcc -V

查看CUDNN版本：

dpkg -l |grep -i cudnn

# 版本8.0之前:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

# 版本8.0之後（前提是确保此路径中有cudnn_version.h文件

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

附，CUDA官网下载地址：CUDA Toolkit 10.1 original Archive | NVIDIA Developer

cuDNN 官网下载连接：cuDNN Archive | NVIDIA Developer

二、配置Anaconda

主要是解决 jetson nano 的conda 环境安装问题，但是jetson nano使用的aarch64架构是没法使用anaconda的，虽然可以自己编译，但是conda指令是没法编译到aarch64架构上运行的。

不过有替代品，miniforge。

miniforge与miniconda的区别在于miniforge的下载通道是conda-forge

miniforge的地址：https://github.com/conda-forge/miniforge

miniforge的.sh release 下载地址：https://github.com/conda-forge/miniforge/releases

安装完成后，就和anaconda的使用方式一样。
主要参考链接：
手把手教你如何在Ubuntu下安装Miniconda_Python进阶者的博客-CSDN博客

三、安装Pytorch、torchvison等

首先查看下，各个库文件需要对应的版本

进入到conda环境后，开始安装需要的库

torch网址链接：https://download.pytorch.org/whl/torch_stable.html

本人用的是清华镜像下载：Links for torch (tsinghua.edu.cn)

在清华镜像里，可以下载到所有东西，不过需要根据版本一个一个去选，比较麻烦，但是如果是批量化生产，可以一次下载完后，做成bin文件去安装，就方便很多。也可以利用如下指令一步安装到位，如果大文件安装失败建议还是先去下载whl后再安装

pip install -r requirements.txt

不想下载也可以单独pip安装，缺什么库就安装什么库就可以，一般会比较顺利的进行下去，

最后，利用 pip list 查看所有已安装的库及版本信息

四、修改部分源代码

1.修改yolov5文件夹下的common.py文件

添加如图所示位置，将代码复制进去（有的话就不用复制了），记得在上方 import warnings


class SPPF(nn.Module):
    def __init__(self, c1, c2, k=5):
        super().__init__()
        c_ = c1 // 2
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
 
    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

2.修改环境下site-packages/torch/nn/modules/upsamping.py文件，改为如图所示：