YOLO部署遇到的问题，Segmentation Fault

最近做了个水果采摘的项目，虽然用的设备很简陋，开发板使用的是树莓派4B，里面没有CUDA，只能用CPU做推理，模型每次推理都会很卡，推理速度很慢，而且其中出现了很多问题，下面就说说部署过程中出现的问题，以及我是怎么解决的，仅供参考：

首先，我将服务器训练好的代码以及模型直接拷贝进树莓派上，然后配置环境上踩了坑，我使用的是树莓派板子上自带的python的base环境，因为Ros系统和Conda在板子我查阅相关资料说是会出现冲突，所以我就使用venv创建了python虚拟环境，具体教程可见ubtuntu上创建新的python环境，创建好之后我按照yolov4的requirement.txt下载了相关的环境,安装好之后我运行了detect代码进行推理，结果没反应，出现了Segmentation Fault的错误，在网上寻找了半天解决方案无果，以为是CPU推理不动YOLOv4，然后花费一整天重新训练了YOLOv4-tiny代码，发现还是如此，然后在github上看大佬的帖子最终找到了端倪：

Ultralytics YOLOv8.0.195 🚀 Python-3.9.2 torch-2.1.0 CPU (Cortex-A72)
YOLOv8n summary (fused): 168 layers, 3151904 parameters, 0 gradients, 8.7 GFLOPs

Found https://ultralytics.com/images/bus.jpg locally at bus.jpg
Segmentation fault

 解决方案在这里：我直接说如何解决：

安装指定版本的两个包：

pip uninstall torch torchvision
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2

最后，嘿嘿嘿：

                                           

没成功的评论区商讨

推荐的部署yolo的up主：

yolo系列模型的部署、精度对齐与int8量化加速_哔哩哔哩_bilibili

https://github.com/thb1314/mmyolo_tensorrt