在Jetson Nano上安装Pytorch与YOLOv5最新版6.x推理演示步骤
前提
你先得有个Jetson Nano的开发板，前提是准备好SD卡！然后烧录一个 jetpack4.6 版本以上的镜像系统。下载镜像到这里，推荐4.6版本直接下载：
https://developer.nvidia.com/embedded/l4t/r32_release_v7.1/jp_4.6.1_b110_sd_card/jeston_nano/jetson-nano-jp461-sd-card-image.zip然后下载烧录的工具：
https://www.balena.io/etcher/完成烧录之后，插到Jetson Nano 的SD卡槽中就可以通电启动了，第一次启动会看到！
01
安装pytorch与torchvision
首先跟大家说一声，一定要参考pytorch官方的文档，它前面部分是非常有用的！文章地址：
https://pytorch.org/blog/running-pytorch-models-on-jetson-nano/首先检查版本，输入命令行：
sudo apt-cache show nvidia-jetpack然后安装pip3命令行支持，因为后面安装其他包需要，必须安装！
sudo apt install python3-pip安装工具检查CUDA版本
sudo pip3 install jetson-stats sudo jtop检查一下tensorRT的版本：
pip3 list or python3 import tensorrt as trt trt.__version__检测一下CUDA的各种信息
ls -lt /usr/local下面就是安装pytorch，首先去英伟达官方网站下载支持版本，这里笔者下载的是pytorch1.9版本。然后跟它对于的torchvision版本是0.10版本，这个也得自己下载。这两个下载地址分别是：
https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl
https://github.com/pytorch/vision/archive/refs/tags/v0.10.0.zip然后首先安装下面两个包，必须先安装好！
pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple pip3 install Cython安装1.9 pytorch，时间会长点，先摸鱼一会再回来差不多就好了！
pip3 install torch-1.9.0-cp36-cp36m-linux_aarch64.whl
然后下载torchvision
https://github.com/pytorch/vision/archive/refs/tags/v0.10.0.zip
解压缩，进入目录，
unzip vision-0.10.0.zip cd vision-0.10.0
先别着急直接安装它，把这些依赖的包统统安装一遍，然后会报错！
sudo apt-get isntall libjpeg-dev zlib1g-dev sudo apt install liblapack-dev sudo apt install gfortran sudo apt install libxft-dev libjpeg-dev libpng-dev
然后运行torchvision的setup.py开始安装：
sudo python3 setup.py install
安装完成之后，pip3 list检查结果如下：
通过代码查询版本，可见已经导入成功了，可以使用了。
02
安装YOLOv5 新版本6.x与测试
先什么都别说拉，把这两个安装一波！
pip3 install -–no-cache-dir pillow -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple
然后下载YOLOv5 6.1版本
https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip
下载之后，解压缩，进入目录：
unzip yolov5-6.1.zip cd yolov5-6.1然后在命令行直接运行下面得脚本：
pythondetect.py--weightsyolov5s.pt--sourceimages/data/zidane.jpg--view-img正常情况下是可以直接运行了，如果发生一些python module找不到得情况，比如：
The ModuleNotFoundError: No module named ‘yaml’
直接：
pip3 install pyyaml安装好之后继续执行上面得检测脚本，直到成功为止。最终运行成功显示如下：
视频文件也可以得：
然后我把一个自定义训练好的模型，部署到nano上去了，发现也是可以直接推理，显示如下：
审核编辑：刘清
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网
网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
SD卡
+关注
关注
2文章
564浏览量
63889 -
python
+关注
关注
56文章
4792浏览量
84627 -
pytorch
+关注
关注
2文章
807浏览量
13200
原文标题：Jetson Nano上安装Pytorch与YOLOv5最新版6.x推理演示
文章出处：【微信号：CVSCHOOL，微信公众号：OpenCV学堂】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
在Jetson Nano上使用TensorRT C++实现YOLOv5模型推理
前面有一篇文章详细说明了如何在Jetson Nano上安装YOLOv5，然后运行，这里只需在导出
发表于 11-17 09:38
•4454次阅读
Yolov5算法解读
yolov5于2020年由glenn-jocher首次提出，直至今日yolov5仍然在不断进行升级迭代。 Yolov5有YOLOv5s、
怎样使用PyTorch Hub去加载YOLOv5模型
在Python>=3.7.0环境中安装requirements.txt，包括PyTorch>=1.7。模型和数据集从最新的 YOLOv5版本自动下载。简单示例此示例从
发表于 07-22 16:02
探讨一下Yolo-v5工程的演示步骤
：c5360f6e7009eb4d05f14d1cc9dae0963e949213在yolov5工程的根目录下模型已经训练好yolov5，如yolo
发表于 08-19 17:05
【EASY EAI Nano开源套件试用体验】5.RKNN神经网络开发测试
非常方便。三、模型的转换 这次的验证是把YOLOv5模型在rknn跑起来。YOLOv5的代码是开源的，可以从github上克隆其源码。YOLOv5
发表于 03-08 00:43
使用Yolov5 - i.MX8MP进行NPU错误检测是什么原因？
的时机（yolov5s 模型，输入为 448x448 ~ 70ms）。 现在我正在尝试使用 Yolov5（uint8 量化），但我尝试使用不同的预训练模型获得相同的行为，在 CPU 上
发表于 03-31 07:38
如何YOLOv5测试代码？
使用文档“使用 YOLOv5 进行对象检测”我试图从文档第 10 页访问以下链接（在 i.MX8MP 上部署 yolov5s 的步骤 - NXP 社区）
...但是这样做时会被拒绝访问
发表于 05-18 06:08
YOLOv5在OpenCV上的推理程序
YOLOv5官方给出的YOLOv5在OpenCV上推理的程序相对来说是比较通俗易懂的，条理清晰，有基本的封装，直接可用！但是我也发现，模型的
在C++中使用OpenVINO工具包部署YOLOv5模型
下载并转换YOLOv5预训练模型的详细步骤，请参考：《基于OpenVINO™2022.2和蝰蛇峡谷优化并部署YOLOv5模型》，本文所使用的OpenVINO是2022.3 LTS版。
Pytorch Hub两行代码搞定YOLOv5推理
模型。支持模型远程加载与本地推理、当前Pytorch Hub已经对接到Torchvision、YOLOv5、YOLOv8、pytorchvideo等视觉框架。
【教程】yolov5训练部署全链路教程
本教程针对目标检测算法yolov5的训练和部署到EASY-EAI-Nano（RV1126）进行说明，而数据标注方法可以参考我们往期的文章《Labelimg的安装与使用》。
三种主流模型部署框架YOLOv8推理演示
深度学习模型部署有OpenVINO、ONNXRUNTIME、TensorRT三个主流框架，均支持Python与C++的SDK使用。对YOLOv5~YOLOv8的系列模型，均可以通过C++推理实现模型
OpenCV4.8+YOLOv8对象检测C++推理演示
自从YOLOv5更新成7.0版本，YOLOv8推出以后，OpenCV4.6以前的版本都无法再加载导出ONNX格式模型了，只有OpenCV4.7以上版本才可以支持最新版本YOLOv5与
工商网监
评论