Jetson AGX Orin 下 YOLOX C++部署

最新推荐文章于 2025-03-29 21:23:41 发布

浪里肥鱼

最新推荐文章于 2025-03-29 21:23:41 发布

阅读量685

点赞数 7

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/simulation2019/article/details/136524001

版权

本文详细介绍了在Jetpack5.1.2、CUDA11.4、Cudnn8.6.0和TensorRT8.5.2环境下配置YOLOX的训练环境，包括使用conda创建环境，下载权重文件并导出Engine模型。部署过程中涉及修改yolox.cpp和CmakeLists文件，但作者提到Tiny模型识别出现错误，尽管整体过程尚可。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、系统环境：

Jetpack5.1.2、CUDA11.4、Cudnn8.6.0、Tensorrt8.5.2、OpenCV4.5;

2、YOLOX 训练环境配置

conda create -n yolox python==3.8 -y # for Linux
conda activate yolox

按照要求下载指定包，关于Torch等包安装类是博客较程很多。

3、下载权重文件和导出enginen模型

python tools/trt.py -n yolox-s -c path/yolox_s.pth

导出的模型默认放在YOLOX/demo/TensorRT/cpp文件夹中

然后进行部署，需要留意的就是更改yolox.cpp文件，和CmakeLIsts文件

其中yolox.cpp文件主要修改图像的输入大小，tiny、nano改为416*416, S、M 为640*640；

CmakeLIsts文件更改cuda 和cudnn的路径，tensorrt路径注释掉。

# cuda
include_directories(/usr/local/cuda-11.4/include)
link_directories(/usr/local/cuda-11.4/lib64)
# cudnn
include_directories(/usr/local/cuda/include)
link_directories(/usr/lib/aarch64-linux-gnu)

4、编译然后运行

在build文件夹下，运行

./yolox ../model_trt.engine -i ../../../../assets/dog.jpg

/home/nvidia/code/deeplearning/YOLOX/demo/TensorRT/cpp/build/det_res.jpg

我用的为tiny模型，把狗识别为猫了，不知道为什么，不过整体还行。

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

浪里肥鱼

关注关注

7
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

在NVIDIA Jetson AGX Orin中使用jetson-ffmpeg调用硬件编解码加速处理

cumtchw

08-23

1027

在NVIDIA Jetson AGX Orin中使用jetson-ffmpeg调用硬件编解码加速处理

Jetson AGX Orin 安装 Autoware calibration_toolkit 标定工具

J。

10-29

308

Jetson AGX Orin 安装 Autoware calibration_toolkit 标定工具。

参与评论您还未登录，请先登录后发表或查看评论

Jetson AGX Orin配置pytorch+torchvision+tensorrt+pytracking详细流程

m0_51597918的博客

09-04

2344

本文前半部分参考了。

Jetson AGX Orin 配置LLM Deepseek-R1 7B模型

zengwj2014的博客

03-29

1817

测试环境：硬件： AGX ORIN 32G 套件软件： Jetpack6.2 ，R36.4.3按照官方测试数据，AGX ORIN 64套件可以跑70B 模型，为什么测试7B ，测试机器只有32G 内存套件，图方便直接使用内部64G EMMC 存储，不想麻烦去挂载SSD盘，存储空间大小限制，64G 存储空间刚好只能满足7B模型运行大小。这次采用方式是英伟达官方提供适配测试demo方式，参考链接如下，

yolox 的C++ 部署解析

如果没有最优解，那就找到可行解

09-05

239

C语言中 int main(int argc,char *argv[])的两个参数详解_Jeff_的博客-CSDN博客_int main 参数 int main(int argc,char *argv[])的两个参数详解 argc是命令行总的参数个数； argv[]是argc个参数，其中第0个参数是程序的全名，以后的参数。命令行后面跟的用户输入的参数获取引擎： if (argc == 4 && std::string(argv[2]) == "-i") { con

[C++][C#]yolox TensorRT C++ C#部署

FL1623863129的博客

08-26

965

与YOLOV5和YOLOV8相比，YOLOX具有更高的性能和更好的平衡，在速度和精度方面都表现出优越性。与YOLOV8相比，YOLOX的速度更快，精度更高。而YOLOX采用了更简洁的卷积层，使得其速度更快。此外，YOLOX还采用了更先进的网络结构和训练策略，使得其精度更高。与YOLOV5相比，YOLOX的速度更快，精度更高。YOLOV5采用了复杂的结构，导致其速度较慢。此外，YOLOX还采用了更先进的网络结构和训练策略，使得其精度更高。总之，YOLOX是一种高性能的目标检测器，具有更快的速度和更高的精度。

jetson AGX orin 配置pytorch和cuda使用、yolov8 TensorRt测试

热爱生活，忠于自己

01-06

3616

安装 sudo apt-get install libjpeg-dev zlib1g-dev 之后，删除所有缓存和编译零时文件，再重新编译安装即可。由于gpu推理通常需要预热，拷贝图像（bus.jpg）到文件夹重复多张（以10张为例）即可，重新运行，基本推理耗时。默认安装在系统环境中，若在虚拟环境中，可以创建软连接到虚拟环境中。导出默认的fp32模型，耗时11分钟，40qps，加载测试如下。，执行耗时32分钟（模型文件大小缩小一半），95qps，，如下。若均不报错，且能正常输出说明安装成功，如下图。

Nvidia Jetson AGX Orin

我的博客

06-27

1215

Nvidia Jetson AGX Orin

7 : Jetson AGX Orin 编译安装Eigen-3.3.7

亦已焉哉

04-17

373

Jetson编译安装Eigen-3.3.7

【自动驾驶机器人停车系统】基于C++的软硬件集成：Jetson AGX Orin平台下的多模态感知与路径规划系统开发描述了基于自动驾驶

最新发布

04-03

④掌握基于Jetson AGX Orin平台的高性能计算和深度学习模型部署方法。阅读建议：由于该系统涉及多个学科领域的知识和技术，建议读者先熟悉相关背景知识，特别是机器人操作系统（ROS）、计算机视觉、嵌入式系统开发...

Jetson AGX Orin 实现相机雷达联合标定

J。

10-29

624

Jetson AGX Orin 实现相机和雷达的联合标定.

YoloX从训练到OpenVino-C++部署

YANJINING

09-27

1702

YoloX-从训练到Openvino部署端侧推理Intel CPU openvino与python下推理性能对比端侧推理Intel CPU openvino与python下推理性能对比

Jetson Orin平台搭建部署yolov5（一）

weixin_44095109的博客

03-25

2610

3.首先安装了Jetpack的os中都会在/etc/apt/sourch.list.d/中带有nvidia-l4t-apt-source.list文件，里面包含了需要安装基础环境的源路径，不用在单独去下载cuda，cudnn，tensorRT安装包，而且单独下载经过测试存在兼容性问题。cp yolov5/models/yolov5s.yaml yolov5/models/custom.yaml //拷贝标准网络结构，来设置自定义的网络结构。

使用Jetson AGX Orin进行口罩识别

张小白

10-10

537

在https://gitee.com/gpus/maskDetection_jetson代码仓有个口罩识别的案例，我们来看看能不能在Jetson AGX Orin上搞定。先将该代码仓fork到自己的代码仓（以便魔改）回到自己的代码仓：根据README.md来操作吧！首先需要下载darknet框架并安装，但是众所周知，github不是很友好。所以还是把https://github.com/AlexeyAB/darknet通过gitee来过渡：https://...

Jetson AGX ORIN 初始化&&配置Anaconda&&带CUDA的OpenCV

weixin_52303102的博客

03-22

1687

进行下载（是的，没看错，一个都不行），均显示无法找到对应的包，因此这个方式直接放弃，不过有人如果有需要自己编译的，可以自行在网站下载这些依赖包的源代码，进行编译之后再重新编译。因为是已经编译好的文件，所以直接拿来用就行，具体怎么用呢，就是直接把文件复制到对应的目录就行（基本上大部分的。我是参考一开始的安装连接，安装的。怎么说呢，添加源这个东西可能有帮助，但是感觉帮助不会很大，不一定有用。，将下载的shell文件拷贝至home文件夹，打开终端，输入。确定安装，然后确认安装的路径，一般直接回车安装在默认的。

jetson AGX Orin配置虚拟环境anaconda，cuda，pytorch，torchvision后续制作可视化界面pyqt5，pyside6

qq_50771284的博客

04-16

1940

一行一行执行下面代码（注意：第四行是关机，然后重新打开，需要重新进入虚拟环境（我不知道什么时候要进什么时候不要进，索性后面全部命令都在虚拟环境里面执行！这里的python版本跟jetson自带的不冲突，（最好用3.8的版本，别问为什么），接着打开这个虚拟环境，前面括号里的内容会变成自己命名的内容。因为我的cuda是11.4，对应pytorch1.12.0，对应后面的torchvision0.13.0，其他对应版本自己去查。，（注意：jetson系列只能下红框里的，aarch64架构的！

Jetson AGX Orin安装Anaconda，Cuda，Cudnn，pytorch，Tensorrt，ROS

qq_46107892的博客

02-04

1886

Jetson AGX Orin安装Anaconda，Cuda，Cudnn，pytorch，Tensorrt

Jetson AGX Orin 连接自定义硬件设备（pinmux + 设备树）

Pandako's Blog

07-07

8851

在Jetson AGX Orin上接入一块自定义的数据采集板，使用SPI通信接收到数据。我现在有的设备是一台Jetson AGX Orin 和一块采集板，采集板通过Orin的40 pin接口接入。总体来说，主要分为三个步骤：我在安装和配置的过程中，遇到了各种问题，Orin的资料和文档也比较少，以此记录一下=v=引脚复用（Pin Multiplexing），根据Orin的 40 pin GPIO expansion header，为需要的pin打开SPI功能。比如我用的是SPI1，那就需要打开19、21、23

Jetson AGX Orin部署yolo7tesnorRT

03-21

### 在 Jetson AGX Orin 上使用 TensorRT 部署 YOLOv7 要在 Jetson AGX Orin 上通过 TensorRT 部署 YOLOv7，可以按照以下方式实现： #### 1. 环境准备确保已经安装了适用于 Jetson AGX Orin 的必要软件包和库。这...