luoganttcc的博客

Yolov5学习笔记(2)——部署在jetson nano上tensorrtx3.利用TRT加速部署模型3.1下载tensorrtx的源码很高兴你能来到这里，到这里已经完成了一半，是不是觉得很麻烦，别担心，当你完成了部署结果一定会让你很兴奋的进入tensorrtx的官网，下载你训练时对应的yolov5的版本，点击左上角的master–>tags–>yolov5...

之前在jetson nano 上一直用csi 摄像头,因为使用比较频繁,两个插口都用坏了.最近购买了linux免驱动摄像头,亲测可用# 打开摄像头并灰度化显示import cv2capture = cv2.VideoCapture(0)while(True): # 获取一帧 ret, frame = capture.read() # 将这帧转换为灰度图# gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Thu Jul 1 17:17:29 2021@author: ledi"""import cv2 def gstreamer_pipeline( capture_width=1280, capture_height=720, display_width=1280, display_height=720, framerate=

JetPack4.4版本使用之前配置cuda的环境之后下载pycuda源码下载完之后解压进入解压出来的文件tar zxvf pycuda-2019.1.2.tar.gz cd pycuda-2019.1.2/ python3 configure.py --cuda-root=/usr/local/cuda-10.2sudo python3 setup.py install原文链接...

此时切换到 ~ 目录下： cd ~ ；然后打开 .bashrc 文件：vim .bashrc ；接着按 i 键，进入编辑状态；再接着在文件的末尾添加下面三行代码：export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATHexport CUDA_ROOT=/usr/local/cuda...

1、连接SD卡到主机将装好系统的SD卡通过读卡器连接主机。通过命令要看SD卡：sudo fdisk -l会有很多内容，可以在插入SD卡前后分别执行该命令，这样通过对比不同之处就可以找到/dev/sdc是这个SD卡，看到的有数字的是这个卡的各个分区。2、对SD卡模型进行备份我们使用的是dd命令，关于dd命令的详细说明参看另外一份博客,使用过程中要小心，避免原文件损坏。要说明的是，系统备份直接使用dd命令原SD卡存储多大，备份的文件就会有多大，所以要进行压缩备份；另外，对备份文件的恢复等其

sudo apt-get install protobuf-compiler libprotoc-dev pip install onnx==1.4.1在jetpack4.4 上可用

Updating the packages:sudo apt updatesudo apt install -y build-essential cmake git libgtk2.0-dev pkg-config libswscale-dev libtbb2 libtbb-devsudo apt install -y python-dev python3-dev python-numpy python3-numpysudo apt install -y curlInstall vide.

cat /etc/nv_tegra_release# R32 (release), REVISION: 4.4, GCID: 23942405, BOARD: t210ref, EABI: aarch64, DATE: Fri Oct 16 19:44:43 UTC 2020可以是jetpack 4.4

代码在gitjetpack 版本　4.4 ,直接安装 gluoncv ，如果需要能直接跑nano的镜像，可以加入星球

源码在gitjetpack 版本　4.2 ,直接安装 gluoncv#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Thu Jul 1 17:17:29 2021@author: ledi"""import cv2 def gstreamer_pipeline( capture_width=1280, capture_height=720, display_width=1280,

代码在git

源码在git我在nano 上安装了　 hyperlpr开源库来实现车识别，源码我已经上传需要的同学可以直接用，博客上也是源码如果需要能直接跑nano的镜像，可以加入星球，#导入包from hyperlpr import *#导入OpenCV库import cv2#这个函数是设置读取和输出图像高度宽度和帧率def gstreamer_pipeline( capture_width=640, #宽 capture_height=360, #高 display_wi