yolo5的环境搭建

本教程适用于jetson orin Nano官方镜像自己动手搭建，如果使用的是YAHBOOM版的镜像，本教程可以忽略。

1.准备工作

jetson orin Nano 一台 jetson orin Nano的配置如下：

如果看了前面一章的torch和torchvision的安装教程，可以直接从2.3小节开始

2.yolo5的环境搭建（yolo5 v5.0）

2.1 下载yolo5的需要的模块-torch

（如果跟着教程安装了jetson-inference的环境这部部分可忽略）

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev 
pip3 install Cython
pip3 install numpy torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64   # 注意你自己.whl包路径
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64 这文件从环境搭建的附件获取，通过winSCP传输到jetson上

2.2 安装对应版本的torchvision

xxxxxxxxxx
git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision
cd torchvision
export BUILD_VERSION=0.13.0
python3 setup.py install --user

如果git clone 报错，请检查网络重新运行

2.3 下载yolo5的源码

xxxxxxxxxx
cd ~
git clone https://github.com/marcoslucianops/DeepStream-Yolo
python3 -m pip install --upgrade pip 
cd yolov5

因为jetson orin Nano已经自带opencv4.5.4了所以不需要在装python的opencv的，可以通过import cv2来进行验证 因此我们需要打开yolo5目录下的requirements文件，在这行前面添加个#号 修改完后运行

xxxxxxxxxx
pip3 install -r requirements.txt -i https://mirror.baidu.com/pypi/sample

等待下载完即可

3.验证yolo5是否搭建成功

xxxxxxxxxx
cd ~/yolov5
python3 detect.py

等待他自动下载权重文件，如果网络不行，请从我们提供的环境搭建的附件里面获取yolov5s.pt 文件放到yolo5的文件夹下面 如果没有报错，说明yolo5搭建成功,并会在yolov5/runs/detect/exp 路径下存放识别出来的结果

下面是运行成功的图片 exp5:是因为第5次运行了 python3 detect.py这个命令，所以结果存放到了exp5的目录下

如果运行第三步可能会出现报错，是因为torch的版本太高导致的，因此我们需要进行一些修改

xxxxxxxxxx
sudo gedit /usr/local/lib/python3.8/dist-packages/torch/nn/modules/upsampling.py 

对153行进行一个修改，recompute_scale_factor=self.recompute_scale_factor这行，在前面添加‘#’即可。 修改后的结果如下图所示： 再运行第3步的操作就能正常工作了。