Jetson nano（一）

Jetson nano(一)部署Yolov5模型

---

前言

Jetson nano可带入多种训练模型，本章讲解第一种训练的模型，接下来会发表pytorch、tensorflow等多种模型的加载

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、训练自己的模型（PC端）

通过查阅各种资料，终于总结出了一套自己的YOLOV5训练模型的项目，项目连接：
话不多说直接上程序：

链接：https://pan.baidu.com/s/1I-gQnCxJ19AqL8UGKZh5bw 
提取码：v8jg 
--来自百度网盘超级会员V5的分享

2.进入模型，修改数据集

打开train.py，修改一下训练集路径（这里给只有训练集，且数量不足，若需要大量数据集训练精准模型需要自己上Kaggle下载或者自己拍摄训练）：

    parser.add_argument('--data', type=str, default='datasets/images/train', help='*.data path')

---

## 3.修改数据集训练数量，并建立自己的yum文件

路径在数据集下的datasets中，可在里面直接修改自己引用的参数：

train: datasets/images/train  # 128 images
val: datasets/images/train  # 128 images

# number of classes
nc: 4

# class names
names: [ 'heisibing', 'heixingbing', 'xiubing', 'jiankang']

---

二、训练

在建立完成后，直接开始训练模型，训练好的模型在runs文件中，保留了一个最高正确率的和最后一个训练的模型，如下图所示，图中权重文件在weights中，这里的wts后后面生成的文件。

三、生成wts文件

打开cmd，在yolov5所在的文件中执行命令生成.wts文件，在执行下条语句的命令后生成上图中所示的wts文件。

python gen_wts.py yolov5/runs/train/exp9/weights/best.py

四、使用VNC

VNC下载连接地址：

链接：https://pan.baidu.com/s/1SErIYhHxEPVjng9wFSjawA 
提取码：g24w 
--来自百度网盘超级会员V5的分享

在PuTTY中执行一下程序

sudo apt update
sudo apt install vino

打开Enable VNC服务：

sudo ln -s ../vino-server.service /usr/lib/systemd/user/graphicalsession.target.wants

配置 VNC server：

gsettings set org.gnome.Vino prompt-enabled false
gsettings set org.gnome.Vino require-encryption false

设置为Gnome编译模式：

sudo glib-compile-schemas /usr/share/glib-2.0/schemas

设置VNC：

gsettings set org.gnome.Vino authentication-methods "['vnc']"
gsettings set org.gnome.Vino vnc-password $(echo -n 'thepassword'|base64)

接下来就在PC端中连接VNC即可。

五、运行Nano

这里把环境都配置好了，只需要放在Jetson nano中，并下载DeepStream即可运行，连接如下：

链接：https://pan.baidu.com/s/1RtxVxze467lAxXE8bneT6w 
提取码：sn8x 
--来自百度网盘超级会员V5的分享

在安装好环境导入YOLOV5程序，在运行DeepStream即可实现功能：

deepstream-app -c deepstream_app_config_yoloV5.txt

运行结果如下：

本人第一篇博客，有写的不好的地方，或用错了术语，请各位轻喷。