Jetson nano+yolov5目标检测_2023年10月更新

避雷：自己用的，复制过来发现图片全都没了

笔记在这:https://waiting-carol-542.notion.site/Jetson-nano-yolov5-6b27ef50ae7f4f4082561af118e72594

环境配置

步骤 1: 下载镜像文件

首先，从 NVIDIA 开发者网站下载 Jetson Nano 镜像文件。建议使用至少32GB的SD卡。

NVIDIA 开发者网站下载链接

下载完成后，解压镜像文件。

官网教程https://developer.nvidia.com/embedded/learn/get-started-jetson-nano-devkit#intro

步骤 2: 下载烧写工具

下载 Etcher，这是一个用于将镜像写入SD卡的工具。

Etcher 下载链接

步骤 3: 格式化SD卡

使用 SD Card Formatter 工具对SD卡进行格式化。

SD Card Formatter 下载链接

步骤 4: 烧录镜像

使用 Etcher 工具将下载的镜像文件写入SD卡。这个过程可能需要大约20分钟。

步骤 5: 启动 Jetson Nano

将SD卡插入 Jetson Nano，连接HDMI线，然后上电。初次启动可能会比较慢。

备忘：姓名hs，密码1

（笔者觉得多加一个键盘和鼠标太麻烦了，接下来步骤是研究如何用vnc远程登录）

1. 下载vnc-viewer：Download VNC Viewer | VNC® Connect

(这个网站跟盗版一样）

之后参考这个博客：Jetson Nano的使用（一）：镜像烧录、VNC远程连接配置及系统环境配置_英伟达nano烧录环境,联网,vnc-CSDN博客 vnc&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-2-117968818.142^v93^koosearch_v1&spm=1018.2226.3001.4187

这个也可以：玩转Jetson Nano（一） 开机准备与远程连接设置_jetson配置静态ip-CSDN博客

延时太高了，还是用ssh吧

SSH 远程登录

1. 在外接显示屏上查看设备的IP地址（IPv4地址）并记下来。然后在终端中启动 OpenSSH。
2. 现在，您可以使用VSCode或其他SSH客户端远程登录到设备。如果需要无密码登录，将本地计算机的公钥复制到设备的.ssh文件夹中的authorized_keys文件中。您还可以尝试运行 service sshd restart 以解决任何SSH连接问题。

解决重新登录问题

如果您在一个月后尝试重新登录时无法连接，可能是因为SSH服务配置问题。请查看以下解决方法：

Jetson Nano 环境配置

步骤 1: 下载和安装 DeepStream

1. 从提供的链接下载 DeepStream 6.0 SDK 的 .deb 文件。
2. 按照 NVIDIA 官方的 DeepStream 安装指南进行安装。

DeepStream 安装指南链接

按照指南操作即可。

做到这里就可以了（先不运行deepstream）

sudo apt update

sudo apt install -y python3-pip

pip3 install --upgrade pip

步骤 2: 克隆 YOLOv5 仓库

使用以下命令来克隆 YOLOv5 仓库，该仓库来自 GitHub 上的 Ultralytics。

git clone <https://github.com/ultralytics/yolov5>

然后，进入 yolov5 目录并切换到 v7.0 分支：

cd yolov5
git checkout v7.0

步骤 3: 安装依赖项

在 yolov5 文件夹中，更新 requirements.txt 文件：

注意：torch和torchvision暂时不包括在内，因为它们稍后会安装。

opencv要编译很久，记得千万要换成

pip3 install opencv-python==4.3.0.38

注意：opencv版本也要修改

注意：torch和torchvision暂时不包括在内，因为它们稍后会安装。 安装必要的软件包：

sudo apt-install-y libfreetype6-dev

安装依赖项：

pip3 install -r requirements.txt

安装 numpy 1.19.4：

pip3 install --force-reinstall --no-cache-dir numpy==1.19.4

步骤 4: 安装 PyTorch

首先安装 PyTorch v1.10.0。以下命令将帮助您完成此操作：

cd ~
sudo apt-get install -y libopenblas-base libopenmpi-dev
wget <https://nvidia.box.com/shared/static/fjtbno0vpo676a25cgvuqc1wty0fkkg6.whl> -O torch-1.10.0-cp36-cp36m-linux_aarch64.whl
pip3 install torch-1.10.0-cp36-cp36m-linux_aarch64.whl

步骤 5: 安装 TorchVision

使用以下命令安装 TorchVision：

sudo apt install -y libjpeg-dev zlib1g-dev
git clone --branch v0.11.1 <https://github.com/pytorch/vision> torchvision
cd torchvision
sudo python3 setup.py install

三线开工：

YOLOV5实例运行

1. DeepStream Configuration for YOLOv5

   cd ~
   
   git clone <https://github.com/marcoslucianops/DeepStream-Yolo>
   
   git checkout e7c77ee9fe78d8b82caa5b01574792af429fe923
   
   cp DeepStream-Yolo/utils/gen_wts_yoloV5.py yolov5
   
   cd yolov5
   
   wget <https://github.com/ultralytics/yolov5/releases/download/v6.1/yolov5s.pt>
   
   python3 gen_wts_yoloV5.py -w yolov5s.pt
   

2. Copy the generated cfg and wts files into the DeepStream-Yolo folder

cp yolov5s.cfg ~/DeepStream-Yolo
cp yolov5s.wts ~/DeepStream-Yolo

1. Open the DeepStream-Yolo folder and compile the library

cd ~/DeepStream-Yolo
CUDA_VER=11.4 make -C nvdsinfer_custom_impl_Yolo # for DeepStream 6.1
CUDA_VER=10.2 make -C nvdsinfer_custom_impl_Yolo # for DeepStream 6.0.1 / 6.0 (Used this one in my case)

1. Edit the config_infer_primary_yoloV5.txt file according to your

   [property]

   ...

   custom-network-config=yolov5s.cfg

   model-file=yolov5s.wts

   ...

2. Edit the deepstream_app_config file

...

[primary-gie]

...

config-file=config_infer_primary_yoloV5.txt (CHECK THIS USUALLY THE DEFAULT VALUE IS DIFFERENT)

1. Change the video source in deepstream_app_config file. Here a default video file is loaded as you can see below

...

[source0]

...

uri=file:///opt/nvidia/deepstream/deepstream/samples/streams/sample_1080p_h264.mp4

Run the Inference

deepstream-app -c deepstream_app_config.txt

要等一会儿，最后就可以跑了