在Jetson Nano上安装Pytorch与YOLOv5最新版6.x推理演示步骤

前提

你先得有个Jetson Nano的开发板，前提是准备好SD卡！然后烧录一个 jetpack4.6 版本以上的镜像系统。下载镜像到这里，推荐4.6版本直接下载：

 

https://developer.nvidia.com/embedded/l4t/r32_release_v7.1/jp_4.6.1_b110_sd_card/jeston_nano/jetson-nano-jp461-sd-card-image.zip

然后下载烧录的工具：

https://www.balena.io/etcher/

完成烧录之后，插到Jetson Nano 的SD卡槽中就可以通电启动了，第一次启动会看到！

 

01

安装pytorch与torchvision

首先跟大家说一声，一定要参考pytorch官方的文档，它前面部分是非常有用的！文章地址：

 

https://pytorch.org/blog/running-pytorch-models-on-jetson-nano/

首先检查版本，输入命令行：

sudo apt-cache show nvidia-jetpack

然后安装pip3命令行支持，因为后面安装其他包需要，必须安装！

sudo apt install python3-pip

安装工具检查CUDA版本  

sudo pip3 install jetson-stats
sudo jtop

检查一下tensorRT的版本：  

pip3 list
or
python3
import tensorrt as trt
trt.__version__

检测一下CUDA的各种信息

ls -lt /usr/local

下面就是安装pytorch，首先去英伟达官方网站下载支持版本，这里笔者下载的是pytorch1.9版本。然后跟它对于的torchvision版本是0.10版本，这个也得自己下载。这两个下载地址分别是：

https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl

https://github.com/pytorch/vision/archive/refs/tags/v0.10.0.zip

然后首先安装下面两个包，必须先安装好！

pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install Cython

安装1.9 pytorch，时间会长点，先摸鱼一会再回来差不多就好了！

pip3 install torch-1.9.0-cp36-cp36m-linux_aarch64.whl

 

然后下载torchvision

 

https://github.com/pytorch/vision/archive/refs/tags/v0.10.0.zip

 

解压缩，进入目录，

 

unzip vision-0.10.0.zip
cd vision-0.10.0

 

先别着急直接安装它，把这些依赖的包统统安装一遍，然后会报错！

 

sudo apt-get isntall libjpeg-dev zlib1g-dev
sudo apt install liblapack-dev
sudo apt install gfortran
sudo apt install libxft-dev libjpeg-dev libpng-dev

 

然后运行torchvision的setup.py开始安装：

 

sudo python3 setup.py install

 

安装完成之后，pip3 list检查结果如下：

通过代码查询版本，可见已经导入成功了，可以使用了。

02

安装YOLOv5 新版本6.x与测试

先什么都别说拉，把这两个安装一波！

 

pip3 install -–no-cache-dir pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

pip3 install seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple

 

然后下载YOLOv5 6.1版本

 

https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip

 

下载之后，解压缩，进入目录：

 

unzip yolov5-6.1.zip
cd yolov5-6.1

然后在命令行直接运行下面得脚本：

python detect.py --weights yolov5s.pt --source images/data/zidane.jpg --view-img

正常情况下是可以直接运行了，如果发生一些python module找不到得情况，比如：

The ModuleNotFoundError: No module named ‘yaml’

 

直接：

 

pip3 install pyyaml

安装好之后继续执行上面得检测脚本，直到成功为止。最终运行成功显示如下：

 

视频文件也可以得：

  然后我把一个自定义训练好的模型，部署到nano上去了，发现也是可以直接推理，显示如下：

  




审核编辑：刘清