xavier NX部署yolov5环境

一、apt和pip3全局镜像源设置

xavier NX下载都是国外的，存在下载很慢的问题，所以我们选择国内下载速度较快的清华镜像源

1.apt换清华源

重新编辑source.list文件

sudo vim /etc/apt/sources.list

更换清华源（删除官方源复制粘贴清华源）

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

更新源

sudo apt-get update

2.pip3换清华源

直接终端输入

pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

二、环境安装（virtualenv）

1. 安装虚拟环境virtualenv（养成好习惯）

直接pip3因为网络原因会比较慢，所以提前配置了镜像源

sudo pip3 install virtualenv virtualenvwrapper

创建目录用来存放虚拟环境

mkdir $HOME/.virtualenvs

修改环境变量

vim ~/.bashrc

添加下面三行到最下面

export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

运行变量

source ~/.bashrc

更多详细的内容参考这位朋友的文章，可以说写的是非常完整：虚拟环境搭建

创建一个叫做yolov5的虚拟环境，与原opencv进行链接

 # 这里采用的直创建python3的虚拟环境 
 mkvirtualenv -p /usr/bin/python3 yolov5
 #激活环境：
workon yolov5
#找到原生的OpenCV位置（寻找 .so 档案，大家应该都一样会在 /usr/lib/python3.6/dist-packages/cv2/python-3.6/ 里面）：
sudo find / -name cv2
#建立链接,注意查看路径根据自己的路径来修改
ln -s /usr/lib/python3.6/dist-packages/cv2/python-3.6/cv2.cpython-36m-aarch64-linux-gnu.so ./nx/yolov5/lib/python3.6/site-packages

三、安装pytorch和torchvision

1.安装pytorch

我的Jetson Xavier NX默认cuda版本是：10.2，对应的pytorch版本为1.8.0，如果cuda版本和我的不一样，可以去pytorch官网看一下：pytorch官网
由于Jetson Xavier NX是arm架构，需要下载相对应的torch,然后编译安装。
我安装的torch：torch-1.8.0-cp36-cp36m-linux_aarch64.whl
百度网盘：
链接：https://pan.baidu.com/s/1UuTqBxg2uViguP_ruFod7Q
提取码：f9sz

安装如下：

#安装需要的包
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev 
pip3 install Cython
#numpy根据我自己的版本选择的1.19.3
pip3 install numpy==1.19.3
#安装pytorch
pip3 install torch-1.8.0-cp36-cp36m-linux_aarch64.whl

验证安装是否成功：

python3
>>>import torch
>>>print(torch.__version__)
#出现版本号就算成功

注意：如果numpy安装的版本过高会出现“非核心转储”的错误（一开始我安装的1.19.5的numpy，后面uninstall下载的1.19.3版本解决问题）

2.安装torchvision

torchvision一定要和pytorch相对应！下面是一份对应版本的表格

我的是1.8.0的pytorch，所以这里是对应的0.9.0的torchvision
百度网盘：链接：https://pan.baidu.com/s/1dnXpIkXFRmm15-YAn1kVnA
提取码：auvg
安装步骤：

#我直接放在桌面上的
cd torchvision
#设置临时变量(x就是你的版本号，我这里是9)
export BUILD_VERSION=0.x.0 
#开始安装（注意这里--user是安装在主环境，如果是虚拟环境要改为 --你的环境名）
python3 setup.py install --user

编译可能需要10多分钟，到最后可能pillow安装不上会卡死，可以直接退出单独安装,8.4.0的版本就刚好合适

pip install pillow==8.4.0

最后验证是否安装成功

python3
>>>import torchvision
>>>print(torchversion.__version__)
#出现版本号就算成功

四.搭建yolov5环境

然后安装yolov5必须的环境依赖

sudo apt-get install liblapack-dev
sudo apt-get install libblas-dev
sudo apt-get install gfortran	
pip3 install scipy

pip3 install matplotlib pyyaml tensorboard tqdm 
#安装seaborn时会自动安装matplotlib和pandas
pip3 install seaborn

下载yolov5-5.0的代码，安装里面必须的环境
注意：这里面因为我们已经安装了pillow和matplotlib以及numpy了，所以可以删除他们避免覆盖掉之前安装的版本导致报错

git clone -b v5.0 https://github.com/ultralytics/yolov5.git
cd yolov5/
pip install -r requirements.txt

这里我是想要做摄像头的实时检测推理的，在我搭建好yolov5环境后运行发现有问题，一直无法调用摄像头，这个问题前前后后折腾了我两周，中间还重新烧录了一次系统，最后稀里糊涂的解决了这个问题，我感觉应该是之前的opencv-python的版本有问题，开发板的Linux系统和电脑的有所不同，最后我安装的opencv-python的版本为：

opencv_python-4.5.1.48-cp36-cp36m-manylinux2014_aarch64.whl
下载地址为：https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/opencv-python/

后面几乎都没有出过问题，直到我使用pyside2的时候又出现过一系列的问题，此时我又将opencv-python的版本降低到：

opencv_python-3.4.13.47-cp36-cp36m-manylinux2014_aarch64.whl

至此，yolov5的环境基本搭建完成，可以成功调用摄像头，帧率大概在10~20左右，在这个情况下很难满足实时检测推理所以我们采用TensorRT加速。

五、TensorRT加速推理yolov5

这里我们直接采用大佬给我们铺垫好的tensorrtx，下载地址为：
https://github.com/wang-xinyu/tensorrtx

记得选择我们的相同的5.0版本

（未完待续）