Jetson TX2 虚拟环境部署yolov5_v6.0

环境声明：

• ​系统环境：Ubuntu18.04
• Jetson tx2架构：aarch64
• pytorch版本：1.12.1
• torchvision版本：0.13.1
• 项目代码yolov5，v6.0
• yolov5版本：v6.0
• opencv-python：4.7.0
• 虚拟环境：archiconda3
  • 注：archiconda作为aarch64架构的anaconda并不支持虚拟环境内部pip3和python3可执行文件，所以想在TX2直接用pycharm的虚拟环境应该是不行的

---

目录

环境声明：

创建conda虚拟环境：

conda python3.8环境创建

创建yolov5文件夹 

 yolo文件下创建weights权重文件夹

 将图片放进data文件夹运行：

---

创建conda虚拟环境：

Archiconda的GitHub仓库下载Archiconda3-0.2.3-Linux-aarch64.sh

打开终端输入如下指令：

sh Archiconda3-0.2.3-Linux-aarch64.sh

使用env中的虚拟环境，让系统不自动调换为base，

echo 'export PATH="/home/zeq/archiconda3/bin:$PATH"' >> ~/.bashrc
# 更新系统环境配置
source ~/.bashrc
# 激活环境
source activate

打开.bashrc文件，在conda的环境变量中注释“conda activate base”代码。

conda python3.8环境创建

conda update -n base conda  # update最新版本的 conda
conda create -n xxxx python=3.X  # 创建python3.X的xxxx虚拟环境
conda activate xxxx  # 开启xxxx环境
conda deactivate  # 关闭环境
conda env list   # 显示所有的虚拟环境
conda info -e   # 显示所有的虚拟环境
conda install -c channel/path //  # 下载包
conda remove --n env_name  package_name  # 卸载包
pip uninstall  package_name  # 先进入环境然后卸载包
conda remove -n env_name  --all  # 删除整个环境
conda deactivate  # 退出当前conda环境

如果想换源的，代码如下 ：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

先查看有无env虚拟环境并激活：

conda env list
conda create -n PY38 python=3.8
conda activate PY38

 

设置环境路径：

cd archiconda3/envs/PY38/lib/python3.8
#打开site文件
sudo vim site.py

可以自行设置：USER_SITE 和 USER_BASE

创建yolov5文件夹 

注意：在archiconda虚拟环境下载python包的话，不能使用pip，所以不能直接用python3 install命令执行yolo文件下的requirements.txt，因为根据查阅资料，在这个虚拟环境下有些包比如像torch 和torchvision以及opencv会不兼容，所以格式只能载官网去下载conda-forge且必须得满足aarch64架构。

 配置yolov5需要的conda包：

 下载这个的话直接按照需求到Anaconda网站去一个个对应查找conda命令就行，注意使用

sudo pip install -r requirements.txt

之前,先在文件里面吧torch和torchvison注释了，不然大概率会报错。

然后执行下面这条命令：

while read requirement; do conda install --yes $requirement; done < requirements.txt

 缺啥补啥，十分简单，就是时间长。

 yolo文件下创建weights权重文件夹

 将图片放进data文件夹运行：

 成功调通torch_cpu:

cd runs/detect/exp4
eog b1.jpeg