YOLO on TX1

最新推荐文章于 2025-03-21 16:57:20 发布
最新推荐文章于 2025-03-21 16:57:20 发布
阅读量4.3k 收藏 8
点赞数
分类专栏： 机器学习 文章标签： jetpack YOLO TX1 物体检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/hrsstudy/article/details/70233408
版权
本文详述了在TX1开发板上配置YOLO物体检测系统的全过程，包括刷机、安装JetPack、Opencv、浏览器，以及针对YOLO的优化措施，如调整卷积层输入尺寸和FRAMES宏值，以提高FPS和降低延迟。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

TX1系统配置

拿到TX1开发板后首先要刷机，把机器跑起来。

刷机

准备工作

1、一台Ubuntu x86_64电脑，我使用的是装了Ubuntu 16.04的雷蛇笔记本

2、一个显示器，连接在TX1上

3、一个USB HUB（没有的话就只能不停的插拔USB切换了），插在TX1上连接鼠标、键盘还有USB Camera

4、用自带的Micro USB 转 USB 数据线连接电脑与TX1

安装使用JetPack

首先要在电脑上下载NVIDIA提供的JetPack L4T工具，JetPack L4T最近更新了3.0版本，官网链接如下：

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

注意，下载前需要有NVIDIA开发者账户（申请很快，填个问卷就可以了）。

下载好JetPack-L4T-3.0-linux-x64.run后执行命令赋予可执行权限：

chmod +x JetPack-L4T-3.0-linux-x64.run

运行

sudo ./JetPack-L4T-3.0-linux-x64.run

这里写图片描述

一路next，直到
这里写图片描述

选择TX1

最低0.47元/天 解锁文章
【YOLO】INT8量化C++版
m0_37556124的博客
03-01 244
yolov5 INT8量化C++版。
目标检测YOLO实战应用案例100讲-面向目标检测的语义分割技术研究与应用
qq_36130719的博客
05-19 773
在深度学习的支持下，近年的计算机视觉总体呈现出蓬勃发展的态势[1, 2]。目标检测在计算机视觉的许多领域都显示出极大的研究价值和实用价值。早些年提出的许多目标检测方法，如文献[3-5]，其训练用的特征都是依赖于人工构建的，因此这些检测器的缺点是缺乏通用性。现在，越来越多的卷积神经网络检测模型[6-8]被提出。通过与卷积神经网络相结合，目标检测器通过处理复杂的任务显示出强大的能力。检测器有两种：(1)二阶段法[9-17]和(2)一阶段法[18-28]。对于二阶段检测器而。
Jetson TX1使用笔记（2）运行YOLOv3
敲代码的黄小黄
03-15 769
文章目录1. 准备工作1.1 开发利器1.2 查看系统信息1.3 安装usb摄像头2. 运行YOLOv32.1 下载YOLOv32.2 修改编译文件2.3 测试YOLOv3 1. 准备工作 1.1 开发利器 在主机和板子之间来回切换总是很不方便，为了能在一台电脑上工作，推荐大家安装一个ssh链接工具，MobaXterm。在自己的主机上安装，网址是MobaXterm。 正常安装以后，先在板子上改变一下ssh设置，允许root用户登录（方便在主机上使用） 在板子上操作： $ sudo vim /etc/ssh/
Jeston TX1上运行YOLO目标检测
qq_41670790的博客
01-25 1262
DATE：2018/1/25 环境配置： ubuntu16.04、darknet、opencv2.4.9、cuda（arm64） 步骤： 一.ubuntu16.04 这个网上教程很多，就不多做介绍直接跳过了 二.darknet 官网地址：https://pjreddie.com/darknet/yolo/    1. 配置darknet：   git clone https:...
关于yolo的一些优化方法（小白写着给自己以后看，也是多多交流）
最新发布
qq_55679637的博客
03-21 693
需按此格式创建 YAML 文件，并确保路径正确。
嵌入式模型部署学习笔记 ——在Jetson TX1上部署Yolov5模型
m0_49579642的博客
07-16 6183
Jetson TX1实现TensorRT加速YOLOv5进行实时检测
NVIDIA Jetson TX1 系列开发教程之十四：YOLO安装与优化加速
WordZzzz
09-25 1万+
NVIDIA Jetson TX1 系列开发教程之十四：YOLO安装与优化加速 转载请注明作者和出处：http://blog.youkuaiyun.com/u011475210 嵌入式平台：NVIDIA Jetson TX1 嵌入式系统：Ubuntu16.04 编者: WordZzzz
TX1刷机+安装YOLOv3
abc039510的博客
01-25 820
参考网址： （1）https://blog.youkuaiyun.com/cgt19910923/article/details/80812184 （2）https://blog.youkuaiyun.com/c406495762/article/details/70786700 （3）https://pjreddie.com/darknet/yolo/ （4）https://blog.youkuaiyun.com/dlphay/a...
Jetpack TX1使用笔记（8）使用tensorRT加速YOLO目标检测网络
敲代码的黄小黄
03-30 792
文章目录1. 准备工作1.1 安装onnx1.4.11.2 安装pycuda2. 使用tensorrt加速yolov3-tiny2.1 编译2.2 转weights为onnx2.3 转onnx为trt2.4 进行加速检测 1. 准备工作 确保安装了pip3，若没有安装请输入下面命令安装： sudo apt-get install python3-pip 本文章参考项目：tensorrt_demo 主要需要安装的库： onnx1.4.1 pycuda 1.1 安装onnx1.4.1 先安装依赖： sud
darknet_interface:用于Darknet的接口，它允许您在自己的程序（C，C ++，Python等）中使用Darknet检测器进行有趣的操作（例如在PC，Raspberry PI，TX1等中使用YOLO进行对象检测。 ）
05-24
暗网接口 是Darknet的接口，使您可以在自己的程序（C，C ++，Python等）中使用Darknet检测器进行一些有趣的操作（例如在PC，Raspberry PI，Nvidia TX1中使用YOLO进行对象检测）等）），方法是与“ libdarknet.so”和“ libdetector.so”链接。 演示GIF 更新 2020.07.16 Yolo_v4可用。 接口功能说明 voiddetector_init（char * cfgfile，char * weightfile） 简介：通过加载特定的网络配置和预先训练的重量文件，将探测器启动到内存中。 param [in1]：网络配置文件的路径 param [in2]：网络预训练权重文件的路径 retval：无效 float * test_detector_file（char文件名，float脱粒，float hier_thres
如何在 Jetson TX2 上运行 YOLO.zip
11-26
YOLO-darknet-on-Jetson-TX2 和 on-Jetson-TX1Yolo darknet 是一种很棒的算法，它使用深度学习进行实时物体检测，但需要良好的 GPU 和许多 CUDA 核心。对于Jetson TX2 和 TX1，如果您想实现更好的性能、更高的 fps ...
14、TX2上运行YOLO5
wuzhishiwo的博客
03-24 2062
一、下载yolov5、tensorrtx，yolov5s.pt 预备基础环境： python3 torch1.7或者更高 1、生成权重文件（可以在pc上或者是在TX2上生成都可以） 1、在TX2的终端直接输入下面的命令 git clone https://github.com/wang-xinyu/tensorrtx.git git clone https://github.com/ultralytics/yolov5.git 2、下载yolov5s.pt https://github.com/ultra
Jetson TX1（视频）、TK1（音视频）
独钓寒江雪
09-07 1471
扩展板--I2S数字音频扩展 NVIDIA Jetson TK1学习与开发：如何解决输入和输出音频问题： https://blog.youkuaiyun.com/FRD2009041510/article/details/44407633 Jetson TK1： Tegra K1 片上系统 (SOC)     • 包含 192 个 CUDA 核心的 NVIDIA Kepler GPU     ...
yolov5训练并生成rknn模型部署在RK3588开发板上，实现NPU加速推理
热门推荐
m0_62919535的博客
03-24 1万+
RK3588是瑞芯微（Rockchip）公司推出的一款高性能、低功耗的集成电路芯片。它采用了先进的28纳米工艺技术，并配备了八核心的ARM Cortex-A76和Cortex-A55处理器，以及ARM Mali-G76 GPU。该芯片支持多种接口和功能，适用于广泛的应用领域。本篇为yolov5部署在RK3588的教程。接着将训练好的best.pt放在工程文件夹下，使用yolov5工程中的export.py将其转换为onnx模型。
yolov5部署在瑞星微1126开发板（末尾彩蛋）
m0_60524373的博客
10-13 6828
yolov5移植到开发板
香橙派AIpro部署YOLOv5：探索强悍开发板的高效目标检测能力
wuyiyu_的博客
07-14 2090
开发板的体积的话是比较小的，但是它搭载的外设资源是比较丰富的，主控制板是4核64位处理器+AI处理器，并且支持千兆网口，无线wifi，还有两个USB3.0口，可以方便用户接入鼠标和键盘等外设。并且还支持接入音频线，HDMI高清接口可以让开发板作为一个小型的主机来使用。在背面的话可以看到开发板支持eMMC、Flash、TF卡槽等内存，方便用户自主扩展内存使用。
地平线 旭日X3 SDB开发板 (四) yolov3自训练模型板上运行流程记录
爬山的咸鱼
12-17 2695
onnx 1.5 Opset 10 自己的模型7个类，416*416 拷贝yolov3重命名下 onnx模型拷贝至: horizon_x3_tc_1.1.17e/samples/01_common/modelzoo/mapper/detection/yolov3/ 检查模型 cd 04_yolov3_01/mapper 按照yolov5使用onnx模型的案例的样子，修改01_chack 修改yolov3_config.yaml配置文件 这里只修改模型路径和模型类型 sh 01_check.sh
yolov5从英伟达平台移植到华为昇腾开发板上的思路
clever101的专栏
11-24 2793
yolov5从英伟达平台移植到华为昇腾开发板上的思路。
Jeston TX1配置总结（校园网特别篇）
zj573453769的专栏
12-03 3971
硬件配置： 在买到TX1后，首先要知道的是，这块板子只能用2K或者4K的高清屏，并且使用VGA转换头是不起作用的。为了方便买一个USB集线器，以便于插键盘和鼠标，这板子其实就是一个笔记本主板了。 校园网特别篇： 看说明书，会提示你板子上要插入网线，但是校园网是需要拨号连接的，系统打开后又没有浏览器，所以我们需要给它装一个浏览器。步骤： 1.板子插入WIFI天
YOLO世界模型压缩包介绍
资源摘要信息:"YOLO-world.zip是一个包含了YOLO（You Only Look Once）模型相关资源的压缩文件。YOLO是一种流行的实时目标检测系统，以其速度快和检测精度高著称。YOLO将目标检测任务视为一个单一的回归问题，直接在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值