jetson nano部署yolov5步骤（三）

现在处于蓝色加粗的步骤：

jetson nano部署yolov5步骤（一）-CSDN博客 ------- 烧录系统

jetson nano部署yolov5步骤（二）-CSDN博客 ------- 安装conda以及torch、torchvision下载安装

步骤三-------yolov5试跑

jetson nano部署yolov5步骤（四）-CSDN博客 ------- 使用tensorRT加速以及摄像头运行

其他便利设置链接在 jetson nano其他便利配置-CSDN博客

目录

背景

1.下载yolov5-v5.0

2.下载权重文件

3.配置yolov5相关环境

4.试跑模型

---

背景

        现在你已经具备了可以深度学习的jetson nano开发板，在这一步骤中，我们将使用yolov5的模型yolov5.pt来进行试运行

1.下载yolov5-v5.0

点击下面这个链接，选择v5.0版本，将它的压缩包下载下来，或者保存它的url在终端中clone下来（如果不会这个方法，就直接下载压缩包，然后用U盘或者ssh传输是一样的）

GitHub - ultralytics/yolov5 at v5.0YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5/tree/v5.0

2.下载权重文件

同样的，权重文件也要自己下载下来，务必保证，如果你要使用自己训练的模型，也一定要在这里下载初始权重文件

Releases · ultralytics/yolov5 · GitHub

3.配置yolov5相关环境

cd进入yolo5文件目录下，在终端下载依赖项

（注意，因为按照前面的步骤，可以知道，你的torch等环境都是安装在conda虚拟环境当中的，所以在安装requirements.txt中的包之前，一定要先activate你的虚拟环境）

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

如果报错为：

原因时numpy版本太高了，重装numpy降低版本即可

pip install numpy==1.19.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

解决完报错之后，再运行上面的命令，会重新安装所需的包，其他的都是很快的，当安装opencv时会出现Building wheel for opencv-python (pyroject.toml)...  这种情况正常现象，是opencv在编译，会花很多时间，只要没报错，一般情况下应该都是没有问题的，等待他自己慢慢安装就行

4.试跑模型

只要以上环境配置好后，yolov5模型便能使用detect.py来运行你的模型，我这里试跑的时yolov5s.pt，然后将权重文件yolov5.pt放在yolov5根目录内容，你若有其他模型，直接改后面的路径就行

python3 detect.py --weights yolov5s.pt 

以下，便是成功运行了

以上步骤做完，说明你配置的模型能正常使用，接下来，我们将使用 tensorRT来跑模型。