【树莓派配置YOLO环境❗️B站手把手入门视频教程】

已于 2025-02-04 10:32:50 修改
阅读量237 收藏 1
点赞数 3
分类专栏： 树莓派配置YOLO环境教程 文章标签： YOLO 树莓派 ubuntu
于 2025-02-04 10:17:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/python_yjys/article/details/145437630
版权

请添加图片描述

🔥全网最适合小白的，树莓派配置YOLO环境入门视频教程。
❗️教程以YOLOv8作为演示，但YOLOv11的安装亦适用~

文章目录


树莓派配置YOLOv8环境（1）环境配置与烧录

树莓派配置YOLOv8环境（2）ssh安装与连接

树莓派配置YOLOv8环境（3）Miniconda安装

树莓派配置YOLOv8环境（4）YOLOv8环境配置

树莓派配置YOLOv8环境（5）系统镜像备份

树莓派 Raspberry Pi 使用 YOLOv8 YOLOv10 YOLOv11进行目标检测及推理加速，Run YOLOv8 YOLOv10 YOLOv11 on Raspberry Pi
shiter编写程序的艺术
10-10 4602
libcamera 是 linux 新增加用于访问 camera 的 API。树莓派参与了 libcamera 的开发，并且在新的摄像头软件中开始从依赖于固件的摄像头图像处理管道(Image processing pipeline, ISP)迁移到更加开放的 libcamera。当然这块用USB 摄像头应该也是可以的。
在树莓派上部署yolov8模型
zhou_18772780431的博客
09-07 1745
链接：https://pan.baidu.com/s/1IA1MFB-BiDGrnc4b9oTS9w。第五步：在pc端训练好模型后，将权重文件best.pt导入到树莓派内。如果想使用onnx进行部署，需要在树莓派上安装 onnx。我最近在训练一个手势识别模型，然后部署到树莓派上。但是我感觉这个几个的速度都差不多，帧率大概为1。第四步：在树莓派中下载yolov8源码。第三步：安装 yolov8环境包。第二步：下载opencv。第一步：树莓派烧入系统。第六步：使用下面的代码。
使用TVM在树莓派部署yolov8模型（一）
weixin_42479327的博客
04-14 732
从咸鱼淘了一个树莓派4/4G设备,测试一下TVM优化的yolov8模型在嵌入式端的推理速度.
树莓派从零开始到部署计算机视觉项目（yolov8项目）第一集
m0_62174436的博客
02-22 1万+
本人使用的是树莓派4b，但不同版本树莓派之间差异不大，本文侧重易踩坑点和主要步骤，重点在树莓派的部署，包括opencv的安装，pytorch的安装，yolo的配置等
树莓派5部署yolov8
最新发布
qq_73708922的博客
03-30 958
如果已经用了sudo安装，则运行此命令，将用户pi设置为目录所有者，pi根据自己情况修改。安装过程中如果某个包报错，可以切换一下网络，单独安装这个包，之后重新安装依赖。安装过程中出现这种信息，一路按回车，之后输入yes，有确认选项就输入yes。第一条命令是给安装脚本加权限，第二条是安装Miniconda。运行以下命令，下载，py311代表python版本。安装的时候不要用sudo命令，否则可能出问题。运行以下命令，可以看到conda安装的包。打开配置文件，运行任意一条命令即可。在文件的最后添加一行。
YOLOv8实战——安装篇
weixin_45819759的博客
07-27 3万+
在vscode目录中找到刚刚安装的ultralytics目录，在其里面的engine目录下找到model文件。检测结果为4人，1车，1站牌，花了71毫秒。predict方法表示为预测方法，因此在此方法内增加一个print语句。1.建议下载miniconda，若是在Linux上安装，可以参考我这篇。进入对应conda环境，并进入ultralytics-main目录下。进入网址，点击Code，然后点击Download下载zip压缩包。YOLOv8 可以在命令行界面（CLI）中直接使用，只需输入。
树莓派NCNN开发·yolov8
烂笔头·张的博客
10-11 1209
基于ncnn的yolov8开发实战，可用于移动端、嵌入式端植入
【树莓派入门】从零开始在树莓派上运行YOLOV5项目实战教程
qq_44595223的博客
04-01 1万+
基于树莓派与YOLOV5的目标检测系统项目简介教程简介项目进度资料下载致谢 项目简介 本项目实现的是在树莓派3B+的环境下运行 yolov5 训练之后的模型，以达成图像识别的目的 树莓派板子： 3B+ 树莓派系统： 2022-01-28-raspios-bullseye-arm64.img opencv： opencv_python-4.5.5.64-cp36-abi3- manylinux_2_17_aarch64.manylinux2014_aarch64 torch: torch-1.8.1-cp39
【树莓派入门系列】6 树莓派运行 yolov5 图形界面识别图片
qq_44595223的博客
04-07 7514
sudo apt-get install python3-pyqt5 pip3 uninstall opencv-python3 # 卸载 4.5.5 版本 sudo apt-get install python3-opencv # 安装 4.5.1 版本
PART 3 Ubuntu24.04 的树莓派系统安装WiringP USB摄像头
qq_39717490的博客
03-26 74
上述为参考资料。
【嵌入式AI周报20210430期】Xilinx推出K26视觉AI核心板、黑芝麻智能发布196TOPS华山A1000
rtthreadiotos的博客
04-30 1362
导读：本期为 AI 简报 20210430期，文章架构已经调整，侧重 AI 嵌入式方向，请慢慢食用~祝大家节日快乐～本文一共 3700 字，通篇阅读结束需要 10~15 分钟RT-AK 进...
树莓派中用YoloV8模型检测小车.pdf
06-11
树莓派中用YoloV8模型检测小车过程解析
Python资源大全
zheng_ruiguo的专栏
03-01 7056
Python资源 Python 3.7.4 文档:https://docs.python.org/zh-cn/3.7/ 快速安装模块：pip3 install PyQt5 -i https://pypi.tuna.tsinghua.edu.cn/simple python开源项目及示例代码：https://www.cnblogs.com/dpf-learn/p/8053043....
在树莓派4B上部署yolov8环境完成高帧率检测任务
KevenDuan的博客
07-21 1万+
在我前面的文章里讲了如何用yolov8从0开始训练自己的模型，现在这篇文章将教大家如何在树莓派上部署yolov8的环境，以及如何实现高帧率的检测任务。
【YOLOv8】实战一：手把手教你使用YOLOv8实现实时目标检测
热门推荐
virobotics的博客
04-15 11万+
YOLOv8导出为onnx模型，YOLOv8在LabVIEW中的部署，实现实时目标检测！在CPU和GPU上实现加速
【树莓派部署Ultralytics YOLO保姆级教程——B站视频同步】手把手教学，小白友好！
09-28 3692
全网最适合小白的，树莓派部署Ultralytics YOLO入门教程。 教程以Ultralytics YOLOv8作为演示，但Ultralytics下的其他YOLO版本，如YOLOv11，v12的安装亦适用~
目标检测实施与部署（YOLOv8+树莓派）
weixin_52280209的博客
11-25 2743
通过以上步骤，你可以将训练和部署过程分开，更好地管理和优化每个阶段，实现一个基于树莓派的目标检测系统。希望这个大纲对你有所帮助！使用LabelImg对图像进行标注，保存为XML格式的标签文件。将图像和对应的标签文件组织成训练集和验证集。创建YOLOv8的配置文件。
树莓派5安装YOLOv8使用jupyterlab运行示例
weixin_41589183的博客
12-18 3512
YOLOv8，这是备受好评的实时目标检测和图像分割模型的最新版本。YOLOv8基于深度学习和计算机视觉的前沿进展，提供了无与伦比的速度和准确性表现。它的精简设计使其适用于各种应用，并且可以轻松适应不同的硬件平台，从边缘设备到云API。我们使用树莓派5来探索YOLOv8，看一看她在机器学习上的潜力。JupyterLab是Jupyter Notebook的全面升级。事实上，JupyterLab 是一个集 Jupyter Notebook、文本编辑器、终端以及各种个性化组件于一体的全能IDE。
树莓派5配置yolo环境
10-08
树莓派(Raspberry Pi)是一个小型、低成本的单板电脑，通常用于入门级的物联网项目和嵌入式系统。要在树莓派5上配置YOLO（You Only Look Once）物体检测模型，你需要完成以下步骤： 1. **安装Linux发行版**：选择适合Raspberry Pi的Linux发行版，如Raspbian或Ubuntu Lite。从官方网站下载并安装。 2. **更新系统**： ``` sudo apt-get update sudo apt-get upgrade ``` 3. **安装依赖库**： - CUDA（如果需要GPU加速，对于树莓派4B或更高版本） ```bash sudo apt-get install nvidia-cuda-toolkit ``` - 深度学习框架（TensorFlow或PyTorch）： ```bash sudo apt-get install python3-tensorflow (or) pip3 install torch torchvision ``` - YOLO所需的Python库（例如Darknet）： ```bash git clone https://github.com/AlexeyAB/darknet.git cd darknet make ``` 4. **下载YOLO模型**： ``` wget https://pjreddie.com/media/files/yolov4.weights ``` 5. **设置环境变量**（如果使用CUDA）： ```bash export PATH="/usr/local/cuda/bin:$PATH" ``` 6. **训练或下载预训练模型**： 如果想从头开始训练，需要YOLO的源码和数据集。预训练模型可以在网上找到，如Darknet官网或GitHub。 7. **测试模型**： 使用`darknet detect`命令行工具，传入你的检测模型文件和一张图片或视频进行物体检测。 **相关问题--:** 1. YOLO模型是否支持CPU运行，还是必须要有GPU？ 2. 如何验证YOLO在树莓派上的物体检测效果？ 3. 我可以直接在树莓派上部署YOLO应用做实时监控吗？
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一只云卷云舒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值