前言 在NVIDIA Jetson AGX Xavier 部署YOLOv5的深度学习环境,然后能正常推理跑模型。 首先介绍在NVIDIA Jetson 安装类似于Conda的虚拟环境,然后创建一个环境用来跑yolov5的; 然后在创建好的环境,跑起yolov5,总结要点。 目录 一、安装虚拟环境 二、创建环境 三、安装torch、torchvision 3.1 安装torch 3.2 安装torchvision 3.3 测试torch、torchvision 四、安装YOLOv5依赖库 五、测试模型 六、NVIDIA Jetson 开发常用命令 一、安装虚拟环境 NVIDIA Jetson AGX Xavier 是arm架构的,无法正常无法安装Anaconda或Miniconda,但可以使用miniforge。两者使用起来并无明显区别,这里是指相关命令;不同点是:miniforge的下载通道是conda-forge。 miniforge的GitHub地址:https://github.com/conda-forge/miniforge miniforge的.sh release下载地址:https://github.com/conda-forge/miniforge/releases 下载这种格式的 Mambaforge-x.xx.x-x-Linux-aarch64.sh 示例: 然后正常运行安装即可 sh Mambaforge-x.xx.x-x-Linux-aarch64.sh 二、创建环境 这里的命令和conda一样的;环境名称:yolov5;指定Python版本3.6(这个更重要,这个更重要,这个更重要!) conda create -n yolov5 python=3.6 为什么一定要Python3.6的版本啊?其他不行吗? 一开始我是安装了Python3.9;后来安装Python3.7;发现都无法在 Jetson AGX Xavier 正常使用CUDA;后来发现这个系列目前的cuda10.2 ,对应Pytorch版本只支持Python3.6的,唉之前纠结了我一天时间。 然后添加环境变量(解决”Illegal instruction (core dumped)“错误) sudo vim ~/.bashrc # 打开文件export OPENBLAS_CORETYPE=ARMV8 # 末尾添加环境变量export OPENBLAS_CORETYPE=ARMV8,保存并关闭文件source ~/.bashrc # 更新环境变量文件 三、安装torch、torchvision 这个比较关键,影响到能否正常使用cuda和GPU;先看一下torch和torchvision 之间的版本对应关系,这个很重要。 yolov5 需要 torch v1.7.0、torchvision 0.8.1 3.1 安装torch 来到官网下载PyTorch v1.7.0:https://forums.developer./t/pytorch-for-jetson-version-1-10-now-available/72048 通过下面的指令进行安装: pip install torch-1.7.0-cp36-cp36m-linux_aarch64.whl 3.2 安装torchvision 来到官网下载0.8.1版本的torchvision:https://github.com/pytorch/vision/tags 先安装编译依赖 sudo apt-get install libjpeg-dev libavcodec-dev libavformat-dev libswscale-dev pip install pillow --no-cache-dir 下载完成后解压缩,cd到这个解压缩的文档中,执行以下命令进行安装: python setup.py install 3.3 测试torch、torchvision import torchprint(torch.cuda.is_available())print(torch.backends.cudnn.version())import torchvisionprint(torchvision.__version__) 输出:(测试环境正常信息) True 8000 0.8.0a0 四、安装YOLOv5依赖库 下载yolov5代码(目前最新是第六版),然后进入目录: git clone https://github.com/ultralytics/yolov5 cd yolov5 修改 requirements.txt 文件,注释torch、torchvision两行就可以了 vim requirements.txt 安装依赖库 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple -i https://mirrors.aliyun.com/pypi/simple 这是基于阿里云加速安装的。 五、测试模型 python detect.py --weights 'detect_models/yolov5s.pt' --source xx.mp4 ...................................... 这是测试视频是1920*1080大小的,每一帧平均时间是36ms左右,感觉还不够快,后面再用TensorRT加速去加速。 部分效果: 六、NVIDIA Jetson 开发常用命令 基础信息:jetson_release 监控信息 先安装:sudo -H pip3 install jetson-stats 查看状态:sudo jtop 查询系统版本: cat /etc/lsb-release 查询内核心版本:uname -a CPU概况:lscpu 硬盘概况:sudo parted -l 存档空间概况:df -h 查看运行进程:top cuda版本:nvcc -V |
|
来自: beginnow1 > 《Jetson Nano》