nano上部署自己训练的yolov5模型（cuda配置,pytorch,tensorrt加速一站式解决）

最新推荐文章于 2025-05-08 12:30:00 发布

茧藏

最新推荐文章于 2025-05-08 12:30:00 发布

阅读量9.2k

点赞数 19

文章标签：深度学习 pytorch cuda

本文链接：https://blog.youkuaiyun.com/weixin_45454706/article/details/110346822

版权

本文详细介绍了如何在nano设备上部署自训练的yolov5s模型，包括CUDA环境配置、PyTorch与torchvision的安装、模型训练、yolov5s的部署以及使用TensorRT进行加速。在配置CUDA环境后，通过源码编译安装PyTorch和torchvision。经过训练和部署，最终利用TensorRT将视频预测速度从5fps提升到20fps，实现接近实时的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

nano上部署自己训练的yolov5s模型（cuda配置,pytorch,tensorrt加速一站式解决）

前言：初始化操作可以参照其他博客，连接我之后也会帖

1,配置cuda

更新源
转载自这里
1.备份

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
sudo gedit /etc/apt/sources.list

2.删除所有内容，更换成下面的

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

nano内置好了cuda,但需要配置环境变量才能使用
打开命令行添加环境变量即可
我这里是cuda10.2大家要根据自己的cuda版本去填写路径

vi ~/.bashrc
export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_L

最低0.47元/天解锁文章