jetson nx (jetpack4.6)部署 Yolov5 过程记录

前言
本文大部分非原创，这篇文章仅代表个人记录。
一、配置cuda 环境
烧录 jetpack时已经内置了cuda10.2，但需要配置环境才能调用，打开终端：

sudo vi ~/.bashrc

到达底部，在最后添加：

export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_ROOT=/usr/local/cuda

保存退出并查看是否配置成功，在终端输入：

source ~/.bashrc
nvcc -V

出现以下截图则为正确

二、安装pip3 并配置所需要的库

sudo apt-get update
sudo apt-get install python3-pip python3-dev -y
sudo apt-get install build-essential make cmake cmake-curses-gui -y
sudo apt-get install git g++ pkg-config curl -y
sudo apt-get install libatlas-base-dev gfortran libcanberra-gtk-module libcanberra-gtk3-module -y
sudo apt-get install libhdf5-serial-dev hdf5-tools -y
sudo apt-get install nano locate screen -y

三、安装所需的依赖

sudo apt-get install libfreetype6-dev -y
sudo apt-get install protobuf-compiler libprotobuf-dev openssl -y
sudo apt-get install libssl-dev libcurl4-openssl-dev -y
sudo apt-get install cython3 -y
sudo apt-get install curl
sudo apt-get install libssl-dev libcurl4-openssl-dev

四、安装opencv的系统级依赖，一些编解码的库

sudo apt-get install build-essential -y
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev -y
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev -y
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev -y
sudo apt-get install libxvidcore-dev libx264-dev -y
sudo apt-get install libatlas-base-dev gfortran -y
sudo apt-get install ffmpeg -y

五、更新 cmake
这一步是必须的，因为arm架构的很多东西都要从源码编译

wget http://www.cmake.org/files/v3.13/cmake-3.13.0.tar.gz
tar xpvf cmake-3.13.0.tar.gz cmake-3.13.0/  #解压
cd cmake-3.13.0/
./bootstrap --system-curl	# 慢
make -j4 #慢
echo 'export PATH=~/cmake-3.13.0/bin/:$PATH' >> ~/.bashrc
source ~/.bashrc #更新.bashrc

如果遇到问题 在cmake 上找不到CURL(缺少: CURL_LIBRARY CURL_INCLUDE_DIR)
其实就是上面下载安装依赖和库的时候没安装这两项，补上就好了：

sudo apt-get install curl
sudo apt-get install libssl-dev libcurl4-openssl-dev

安装完成，查看安装是否成功：

一个小tips:
jetson 设备会出现大容量设备无法挂载的情况，一条安装命令解决：

sudo apt-get install exfat-utils

六、安装 pytorh
失去gpu的开发板算力暴跌！这里的pytorch以及接下来的 torchvision 等包都需要安装 nvidia 官网给出的版本
注意：为啥不使用torch官网给出的命令安装，只要cpu是arm芯片，无论是windows linux maxos都不能使用官网命令！

下载pytorch1.8 nvidia 官网torch 带cuda 版本的whl文件下载地址
这个whl文件 在torch 官网是找不到 aarch 版本的，在github上也有 aarch 别的各个版本的 aarch离线whl 文件下载网址，但是这些都不带 cuda，都是cpu 版本。
下载不好的，可以去下载下面的，借用博主 lamYZD 的链接：

#BaiDu
https://pan.baidu.com/s/1Nfm9w1DfE2k_cZQ1zTykMQ 
提取码：zpsa
#CSND
https://download.youkuaiyun.com/download/IamYZD/21027946

把下载好的whl 拷贝到开发板上，sudo pip3 install [name].whl 就行了

七、安装 torchvision 0.9.0版本
pytroch 和 torchvision 版本是需要对应的！对应的表格参考以下，更新时间2022年6月30日：

提前安装好依赖：

sudo apt-get install libopenmpi2
sudo apt-get install libopenblas-dev
sudo apt-get install libjpeg-dev zlib1g-dev

然后进行安装：

cd torchvision
python3 setup.py install --user

如果这里出现了 illegal instruction(core dumped)错误
错误的原因是没有添加系统变量，因为jetson系列开发板的核心架构非常规。
终端打开：

sudo vi ~/.bashrc

在最底部加上：

export OPENBLAS_CORETYPE=ARMV8

然后：source ~/.bashrc 一下，再进行操作：

cd torchvision	# 进入到这个包的目录下
export BUILD_VERSION=0.9.0
python3 setup.py install --user

可能会自动安装 pillow 9.2.0版本，这时候pillow 的版本过高
在python3 环境中导入 torchvision 时报错如下：

SyntaxError: future feature annotations is not defined

这时候需要卸载pillow ，pip3 uninstall pillow, 然后重新安装版本8.4.0的就行

pip3 install pillow==8.4.0

检验一下，是否安装成功：

python3
import torch
import torchvision
print(torch.cuda.is_available())	# 这一步如果输出True那么就成功了！
exit()	# 最后退出python编译

如图是正确安装的结果：

八、下载 yolov5-5.0源码
再借博主 lamYZD 的链接：

#BaiDu
https://pan.baidu.com/s/1UGJX7d2sSx04whjbQb3RTA 
提取码：q0f3

九、安装yolov5 需要的包

sudo pip3 install matplotlib==3.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
sudo pip3 install --upgrade Cython	#更新一下这个包

numpy 有些特殊，已经自带了，但是apt-get安装的，所以先卸掉原来的，也方便之后的包管理。

sudo apt-get remove python-numpy
sudo pip3 install numpy==1.19.4
sudo pip3 install scipy==1.4.1.	# 巨慢,二十多分钟好像

然后补上一些包：

sudo pip3 install tqdm==4.61.2
sudo pip3 install seaborn==0.11.1
sudo pip3 install scikit-build==0.11.1	# 安装opencv需要这个包
sudo pip3 install opencv-python==4.5.3.56	# 不出意外也是一个相当漫长的过程
sudo pip3 install tensorboard==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
sudo pip3 install --upgrade PyYAML	# 我升级到了5.4.1 也可以sudo pip3 install PyYAML==5.4.1
sudo pip3 install thop
sudo pip3 install pycocotools

最后
经过以上配置，不出意外的话各位的jetson nano上已经可以正常跑yolov5了
在源码的detect.py同目录下

python3 detect.py