Nvidia Jetson Nano Developer KIT配置全过程（四）：pycharm及yolov5配置安装

八、安装pycharm

1、下载pycharm

前往官网下载对应版本的pycharm。

https://www.jetbrains.com/pycharm/download/#section=linux

2、安装pycharm

将pycharm安装包拷贝到/usr/local目录下，然后解压缩，进入bin目录中，执行pycharm.sh进行安装。

九、部署yolov5项目

1、安装yolov5依赖库

利用pip3安装依赖库的时候，系统会自动安装最新版本的相关依赖包，譬如在安装tensorboard时会自动安装protobuf，但是最新版本的protobuf需要更高版本的python支持，而当前python版本为3.6.9，因此会导致安装失败，这时候可以先安装合适版本的依赖包，然后在安装主包。

1) 更新Cython

pip3 install --upgrade Cython #更新一下这个包

2) 更新numpy

Numpy库有些特殊，已经自带了，但是是apt安装的，所以先卸掉原来的，也方便之后包的管理。

首先，查看默认numpy版本信息。

然后，卸载默认numpy库。

最后，安装新版本numpy。

主要命令如下所示：

apt remove python-numpy pip3 install numpy==1.19.4 #比较耗费时间

3) 更新matplotlib

系统安装时自带的matplotlib版本是2.1.1，需要升级到3.2.2，这里需要重点提醒，不要升级到太高的版本，因为太高的matplotlib版本是需要更高版本python支持的，而当前python版本是3.6.9。

pip3 install matplotlib==3.2.2

查看已经安装包的版本信息，可以使用下面的命令：

pip3 show matplotlib

如下图所示：

4) 安装scipy

pip3 install scipy==1.4.1 # 这个包安装巨慢，耐心等待

5) 安装tqdm

pip3 install tqdm==4.61.2

6) 安装seaborn

pip3 install seaborn==0.11.1 #非常耗费时间

7) 安装scikit-build

pip3 install scikit-build==0.11.1 # 安装opencv需要这个包

8) 安装opencv-python

pip3 install opencv-python==4.5.3.56 # 不出意外也是一个相当漫长的过程

9) 安装tensorboard

pip3 install tensorboard==2.5.0

10) 更新PyYAML

pip3 install --upgrade PyYAML #升级到最新版本

也可以安装指定版本以覆盖旧版本

pip3 install PyYAML==5.4.1

11) 安装thop

pip3 install thop

12) 安装pycocotools

pip3 install pycocotools

13) 安装ipython

pip3 install ipython

14) 安装psutil

pip3 install psutil

15) 安装onnx

在jetson nano上安装onnx pip3 install onnx

2、安装tensorflow GPU版本

2.1方法一

使用pip3安装TensorFlow，该命令将安装与JetPack 4.6兼容的TensorFlow的最新版本（博主使用该命令成功安装TensorFlow2.7.0，安装过程很漫长，你的JetPack版本若是4.5则将v46改为v45即可）：

pip3 install--pre --extra-index-urlhttps://developer.download.nvidia.com/compute/redist/jp/v446 tensorflow

TensorFlow版本2是最近发布的，并且与TensorFlow 1.x并不完全向后兼容。如果您希望使用TensorFlow 1.x软件包，则可以通过将TensorFlow版本指定为小于2来安装它，如以下命令所示：

pip3 install--pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v46'tensorflow<2'

2.2方法二

还可以去官网挑选更多版本下载：

下载对应版本的.whl文件然后使用pip命令安装例如：

https://developer.nvidia.com/embedded/downloads

提示：一定要下载与之前安装的jetpack版本相对应的tensorflow版本，否则会出现无法预料的错误。

pip3 install tensorflow-2.7.0+nv22.1-cp36-cp36m-linux_aarch64.whl

3、GPU配置与测试

在yolov5工程项目中，修改detect.py中的device参数配置，设置为空，表示启用GPU。然后利用yolov5s训练得到的“戴口罩检测”模型，进行视频检测测试，fps值基本介于9~11之间。如下图所示：

下面我们将启用tensorRT加速，再观察一下检测效果是否有大的提升。