jetson nano 5 运行YOLOV5

    yolo系列算法在目标检测上很有地位,速度很快.之前都是在电脑上跑代码,今天来踩踩nano的坑,话不多少,开始吧!

1.首先下载yolov5的源码(我用的是5.0版本),可以去github,不过我个人更倾向于(gitee:码云),因为是国内的镜像源,下载速度极快,不用在担心下载一半连接失败de问题.网址: https://github.com/ultralytics/yolov5

2.打开yolov5文件夹,看requirements.txt,配置自己说需要的环境.

3.在jetson nano上最难安装的archiconda,pytorch,torchvision,都在之前的博客中提到过.其他包都比较好下载.或者也可以直接安装整个txt.

 pip install -r requirements.txt

4.安装完后,个人习惯先浏览一遍 README.md文件,这样可以让你对整个代码有个比较全面的了解,也方便你运行.(在这里在推荐一款软件Typora,支持较多的文件格式,很好用).

 5.从github上拽下来的代码(v5),是没有模型文件的yolov5s,x,l,m.可以提前下载,自己放到YOLOv5的根目录下.或者可以直接运行detect.py,让它自己下载.

python3 detect.py --source 0 #打开摄像头

python3 detect.py --weights yolov5s.pt  #指定权重

 6.detect.py的一些参数.....(经常要用到的!!!)

 1)weights: pt文件的位置,我用的是自己训练好的best.pt.

 2)source: default中可以更换你要检测的.0->摄像头,或者是本地视频地址,图片等.

 3)imgsz: image_size输入大小,默认是640.自己可以更换.size越小,模型推理越快,但是会损失一定        的精度,正所谓鱼和熊掌不可兼得.但是更改的size,尽量要是32的倍数,方便模型推理.

4) device: 调用GPU计算.一般来说,自,己的笔记本电脑都默认为0(只有一个卡毕竟).如果是服务器       的话,可以or 2,3等.根据自己的实际情况来变动.

5)view-img: 可以显示测试的画面,观看效果.代码中默认是没有default=True的.有需要可以自己添加    下.

7.看一下测试效果吧!!!

 

jetson nano目标检测

 8.又前进了一点点,后续会开始TensorRT部署v5.