在jetson nano上配置cuda，pytorch，yolo v5

这个教程还是去年写的，记录一下在jetson上安装这些东西吧。

1.烧录镜像

1.1 下载镜像

准备一张新的sd卡，插入到读卡器中，与电脑连接。从官网上找到jetson nano适配的SD card image

https://developer.nvidia.com/embedded/downloads

如下图所示：

1.2 下载烧录工具

从官网上下载win32diskimager：

在映像文件中选择下载的文件，设备选择读卡器的那个盘，再点击写入。时间大概十二分钟左右。
最后将u盘插入到jetson nano中，进行初次启动。进入后，就是一个正常的ubuntu界面。

2.配置日常设置

首先更新下软件包和列表，建议这个操作时不时的做一下：

sudo apt-get update
sudo apt-get upgrade

2.1将界面配置成中文界面

2.2将输入法配置成pinyin

3.配置环境

3.1 配置CUDA

首先打开终端，快捷键（Ctrl+Alt+t），输入：

sudo gedit ~/.bashrc

这不就是配置环境变量，然后在弹出的文档中，最下面写入：

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

这里重新开一个终端，然后检查是否配置成功：

nvcc -V

如果出现配置信息就代表ok了。如果出现警告信息，就多重复“打开”（这里不用输入，已经输入进去了）、“保存”的步骤。

3.2 安装archiconda

因为在上面是没有anaconda的，只有一个archiconda代替他
输入命令：

wget https://github.com/Archiconda/build-tools/releases/download/0.2.3/Archiconda3-0.2.3-Linux-aarch64.sh

下载，再输出：

bash Archiconda3-0.2.3-Linux-aarch64.sh

就在安装了。碰到yes就选yes
再配置环境变量：

sudo gedit ~/.bashrc

在打开的文档里面最后加入这一行代码：

export PATH=~/archiconda3/bin:$PATH

3.3 创建单个环境

安装了archiconda后，就出现一个默认的base环境，但是我们一般都创建其他的环境去执行不用的任务，比如我后面建了一个环境叫pytorch，注意，这里只是这个环境名叫pytorch，而不是那个pytorch框架，你们也可以换成其他名字。
首先，我们先进入conda环境，也就是默认的base环境：

source archiconda3/bin/activate

然后就会看见前面出现一个base，接着，我们创建一个叫环境名叫pytorch的环境，主要是为了后面加入pytorch框架以及运行的yolo：

conda create -n  pytorch python=3.6

然后我们可以选择下面的命令去查看已有的环境：

conda info --envs //或者
conda env list

可以看到，有一个base的环境和一个叫pytorch的环境。
接下来，进入我们新建的pytorch环境：

conda activate pytorch

在出现的命令行的前面就会出现pytorch，就说明我们以及进入了这个环境。
顺便说一下退出当前环境的命令：

conda deactivate

其实可以发现，在archiconda中，这些命令和我们平时在window上的anaconda是一样的。

3.4 在conda中添加清华源

首先我们安装一下pip，首先更新软件和依赖关系代码如下：

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		

在当前环境中，我们加入以下代码:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

再添加清华源为默认网关：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

如果要移除的话，我们可以输入以下代码：

查看镜像源命令：conda config --show channels
移除镜像源命令：conda config --remove-key channels

这里我们还可以在sources.list中换成清华源，反正我两个都设置了，打开文档：

sudo gedit /etc/apt/sources.list

然后删除里面的所有的内容，再添加以下代码：

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

再保存，然后更新一下软件列表和软件以及依赖关系：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get dist-upgrade

3.5 安装pytorch

首先，从该链接中下载所需要的文件：

链接：https://pan.baidu.com/s/1OCGvG3uzc-49wRETgld4Vw 
提取码：njh1 

会得到两个文件。
准备一张新的SD卡，将这个文件拷在SD卡中，然后再插入到jetson nano中。
将这个文件放入到桌面上。
再进入我们建立的pytorch运行环境，然后输入：

sudo pip3 install//再将刚刚下载的.whl文件直接拖在该命令的后面

3.6 测试是否安装好pytorch

我们重新打开一个终端，重新进入pytorch，输入：

python

再输入：

import torch

再输入：

print(torch.__version__)

注意，上面是前后各两个_ ，这里吃大亏，研究了一会，才知道的。
如果出现版本号，就知道已经安装好了。

在import torch的时候，我这报了一个错误：
非法指（核心已转储），不知道啥意思，后面查解决办法，要输入：

export OPENBLAS_CORETYPE=ARMV8

这里又踩了一个大坑，大家最好是新开一个终端输入这个命令，因为我这里在pytorch的环境中输入的话，还是报错，后面才试了试在最初的shell命令框中输入，然后再打开环境测试，才发现没报错了，吃了大亏，这里也耗了我好久。

其实，可以直接：

conda list

就可以所有安装的库了。

3.7 安装torchvision

我们在当前pytoch环境下（还是我的文章会提醒），执行cd命令，进入到刚刚下载的torchvision文件夹下，我这里先后执行的命令是：

cd Desktop
cd pytorch-torchvision
cd torchvision

然后输入：

export BUILD_VERSION=0.9.0

然后安装：

python setup.py install

这里会报一个错误，不知道啥意思，于是在这里又纠结了好久，然后没办法了 ，就进行测试，测试的时候发现提示少了PIL包，然后我输入：

sudo apt-get install libjpeg8 libjpeg62-dev libfreetype6 libfreetype6-dev
 
python3 -m pip install -i https://mirrors.aliyun.com/pypi/simple pillow

这里第一行又吃了大亏，输入后，然后显示错误：无法定位软件包 libjepg62。我知道一般显示无法定位软件包都是要换源，于是我就疯狂的更新列表还有软件，依赖之类的，再各种换源，一直重复这些步骤，还是没有解决。纠结了两个小时，后面猛的才发现，原来是，输入libjpeg62-dev的时候，打字打成了libjepg62-dev，怪不得定位不到，包的名字都打错了，我吐了。
上面这些步骤，装不上的，报错的，就多装几次，要么就重新开终端，更新软件，再试试。

3.8 测试是否安装torchvision

进入pytorch环境，输入：

python

再输入：

import torchvision

这里刚刚也说了，报了没有PIL的错误，然后装上之后就没报错了。
再输入：

print(torchvision.__version__)

注意这里还是前后各两个_ ，看到出现了版本号，就没问题了。

好啦，目前是安装到了这里才开始写的csdn，接下来该安装其他的东西了。先保存一下草稿。

3.9 安装yolov5

首先可以去官网下载yolo v5的代码，网址如下：

https://github.com/ultralytics/yolov5/tree/v5.0

这里随便选一个版本，我选了v5.0和master两个版本，再下载权重文件：

https://github.com/ultralytics/yolov5/releases

找到yolov5s.pt权重文件，这个文件是s的，说明比较小。
下载后，拷贝到u盘里面，然后插入jetson nano上。

然后再pytorch环境里面cd到master那个文件里，来安装运行yolov5所需要的库

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

然后这里最离谱了。首先安装到matplotlib时，卡住不动，然后报很多的错误，后面发现可能时numpy的版本高了一点，导致不兼容，于是我就卸载了numpy1.19.5，安装了1.19.4，再单独安装matplotlib3.2.2，果然跑动了。
然后安装到opencv-python，也就是会出现Building wheel for opencv-python (pyroject.toml)，这里很离谱，其他的博主都是说等半小时到两小时，于是我也等了一次半小时，没反应，然后一次等了两小时，有结果了，都是报错，很多行的错误，少说也出现了500行，真的离谱。于是找了一些教程，试了试，于是又等了两小时，还是报错，直接在这里浪费了五六个小时。
后面我一想，我在window时安装yolov5所需要的库时，都是手动一个一个安装的，所以我现在就在一个一个安装，欸。
对照着requirement，一个一个安装，首先安装scipy==1.4.1

sudo pip3 install scipy==1.4.1

这里卡了很久，卡在installing build dependencies…后面还是报错了，看不懂的错误。
写到这里的时候，我还在解决这个问题，请稍后。。。。
这里我试了试：

pip install scipy==1.4.1

在等了半小时后，又报错了。
于是我试了试不放版本：

pip install scipy

欸，居然成功了，安装了1.5.4，但是我觉得不能高兴太早，可能会是导致一些包不兼容，先不管了，安装下一个吧。
安装tqdm：

sudo pip3 install tqdm==4.61.2

安装成功
继续安装PyYAML:

sudo pip3 install --upgrade PyYAML

这里会报错，说无法卸载。于是我采用：

sudo pip3 install PyYAML==5.4.1

还是报错，显示说存在某种版本的PyYAML，于是采用如下命令：

pip install PyYAML --ignore-installed

就可以安装上6.0.1的
接下来安装seaborn：

sudo pip3 install seaborn==0.11.1

这里卡在了building wheel for matplotlib…目前在等待。。
好啦，好歹成功了，虽然有警告。
接下来安装scikit-learn==0.19.2

sudo pip3 install scikit-learn==0.19.2

结果又等了半小时
现在安装tensorboard

sudo pip3 install tensorboard==2.5.0

安装thop

sudo pip3 install thop

安装 scikit-build

sudo pip3 install scikit-build==0.11.1

安装opencv-python

sudo pip3 install opencv-python==4.5.3.56

安装onnx，这里采用下面的代码会报错

pip install onnx

于是换成：

conda install onnx

安装pycocotools：

sudo pip3 install pycocotools

cd到master里面，执行：

python detect.py --weights yolov5s.pt

报错，没有cv2
但是我已经装了opencv-python
于是我再一次：

pip install opencv-python

我睡觉去了，回来再看。

好的，我回来了，报了几百行的错误。
再重新安装：

sudo pip3 install opencv-python==4.5.3.56

ok，然后运行：

python detect.py --weights yolov5s.pt

成功出了图片。

3.10配置Tensorrt

下载：

https://github.com/ultralytics/yolov5/tree/v5.0

然后运行：

python gen_wts.py --w yolov5.py