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
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)
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。