jetson nano python版本管理 jetson nano pytorch教程

Jetson nano

• 一、u盘系统安装

• 1.1 烧录EMMC引导
• 1.2 烧录U盘系统

• 二、启动、环境配置

• 2.1 设置vnc分辨率
• 2.2. 更新软件

• 三、启动、环境配置

• 3.1 安装conda
• 3.2 安装python3.6版本torch1.8
• 3.3 配置yolov5 tensorrt加速

• 3.3.1 转换wts和engine
• 3.3.2使用python脚本运行engine

• 其它记录

• 安装java

• 备份，扩展

一、u盘系统安装

简介：购买的是4G版，板载16g emmc，但16g硬盘完全不够用，按照一开始的方案想着直接用但空间完全不足，因此将系统改装到64GU盘中启动
所有教程均在https:///study/jetson-nano中有

1.1 烧录EMMC引导

因为板载EMMC中已经有系统了，因此不需要再烧录系统了，但需要烧录EMMC引导，让其能够引导到U盘系统中

• 安装VMware
  进入下载网址点击下载



• 按照 vmware安装教程进行安装
  注意如果开启了Hyper-V则需要点击自动安装WHP



• 安装引导
  按照 3.烧录EMMC引导这篇教程进行即可，这里无所谓用u盘还是移动硬盘都可以，我是使用的固态硬盘+usb3.0转接线装的系统，注意提供的64g udisk版镜像，写入系统后只有64g可用，如使用128G硬盘，需要使用分区工具（linux中下载gparted）进行扩容到128G，可参考5.U盘扩容进行

1.2 烧录U盘系统

按照4.烧录U盘系统教程进行

二、启动、环境配置

2.1 设置vnc分辨率

该镜像中vnc等均安装好了，连接显示屏查看板子的ip，后续即可通过vnc直接连接，密码同用户密码，但是不接显示屏分辨率较低，因此需要还要设置下启动分辨率
执行 sudo vi ~/.config/autostart/resolution.desktop，填入如下内容修改自启动分辨率为1366x768

[Desktop Entry]
Type=Application
Name=resolution
Exec=xrandr --fb 1366x768
NoDisplay=true

2.2. 更新软件

因为Jetson nano是arm64架构，国内源支持不好，因此不换源
如果自己有代理则可以设置代理，没有则继续后续步骤

sudo vi /etc/apt/apt.conf.d/proxy.conf 添加如下

Acquire {
  HTTP::proxy "http://192.168.1.38:7890";
  HTTPS::proxy "http://192.168.1.38:7890";
}

执行如下进行更新

sudo apt-get update
sudo apt-get full-upgrade

显示错误

Errors were encountered while processing:
 nvidia-l4t-bootloader
 nvidia-l4t-xusb-firmware
 nvidia-l4t-initrd

执行如下指令解决错误，再重新更新

cd /var/lib/dpkg
sudo mv info info.bak
sudo mkdir info
sudo apt-get upgrade

安装JTOP

sudo apt install curl
sudo apt install nano
cd ~
curl https://bootstrap.pypa.io/pip/3.6/get-pip.py -o get-pip.py
sudo python3 get-pip.py # 运行安装脚本
sudo pip3 install jetson-stats
sudo jtop
或重启后执行jtop

查看

三、启动、环境配置

3.1 安装conda

弃用
以下参考yolov5 部署jetson nano（通用） 保姆级教学 下载 https:///Archiconda/build-tools/releases
bash

3.2 安装python3.6版本torch1.8

参考 Install PyTorch on Jetson Nano. 我是从Qengineering/PyTorch-Jetson-Nano下载的torch-1.8.0a0+37c1f4a-cp36-cp36m-linux_aarch64.whl和torchvision-0.9.0a0+01dfa8e-cp36-cp36m-linux_aarch64.whl 还可以参考这里下载 https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048

# install the dependencies (if not already onboard)
$ sudo apt-get install python3-pip libjpeg-dev libopenblas-dev libopenmpi-dev libomp-dev
$ sudo -H pip3 install future
$ sudo pip3 install -U --user wheel mock pillow
$ sudo -H pip3 install testresources
# above 58.3.0 you get version issues
$ sudo -H pip3 install setuptools==58.3.0
$ sudo -H pip3 install Cython
# install PyTorch 1.8.0
$ sudo -H pip3 install torch-1.8.0a0+37c1f4a-cp36-cp36m-linux_aarch64.whl
 sudo -H pip3 install torchvision-0.9.0a0+01dfa8e-cp36-cp36m-linux_aarch64.whl

执行python3，再输入如下，显示为True即可

import torch
torch.cuda.is_available()

• 其它包
  首先git clone https:///ultralytics/yolov5下载yolov5包，如有代理可设置git config --global http.proxy 192.168.1.38:7890进行下载
  执行cd yolov5进入包内
  执行vi requirements.txt编辑
  如图注释掉torch和torchvision，由于我在psutil安装时也出错了，因此也注释了psutil
  
  执行python3 detect.py --source data/images/bus.jpg --weights --img 640,得到结果

如报错
ImportError: /usr/lib/aarch64-linux-gnu/.1: cannot allocate memory in static TLS block 则在执行前脚本加 LD_PRELOAD=.1 python3 your_python_script或者在.bashrc中加export LD_PRELOAD=/usr/lib/aarch64-linux-gnu/.1:$LD_PRELOAD

如不下载yolov5源码，可编写如下执行进行测试

import torch

if __name__ == "__main__":
    model = torch.hub.load("ultralytics/yolov5", "yolov5s")
    print(model)
    for i in range(10):
        img = "./bus.jpg"
        results = model(img)
        results.print()

在我的机子上执行结果如下，150余毫秒一张进行推理

3.3 配置yolov5 tensorrt加速

3.3.1 转换wts和engine

参考 https://wiki.seeedstudio.com/YOLOv5-Object-Detection-Jetson/#inference-on-jetson-device
教程中软件是放置在用户home目录下，而我是放置在其它文件夹中
步骤基本为，详细指令见教程

1. 配置好环境，torch等(前面已安装)
2. 从github下载ultralytics/yolov5和wang-xinyu/tensorrtx
4. 使用tensorrtx/yolov5中gen_wts.py脚本将转换为yolov5s.wts



5. 
   
6. 进入tensorrtx/yolov5修改yololayer.h中CLASS_NUM值为你的类别值
7. 在tensorrtx/yolov5新建build文件夹，将yolov5s.wts复制进去，编译，编译完成后如下
8. 序列化模型，即将yolov5s.wts转为yolov5s.engine，注意sudo ./yolov5 -s best.wts best.engine s最后的s是指示你的模型型号
9. build文件夹同级有samples文件夹，内有图片，执行推理，将生成前面带下划线的检测图

3.3.2使用python脚本运行engine

1. pip install pycuda
3. 执行python3 yolov5_trt.py



4. 
   

其它记录

安装java

mkdir /home/nano/Soft/java

将文件复制过去

cd ~/Soft/java

tar -xvf jdk-8u351-linux-aarch64.tar.gz

vim ~/.bashrc 编辑bash配置，在最后面加入这两行

export JAVA_HOME=/home/nano/Soft/java/jdk1.8.0_351
export PATH=${JAVA_HOME}/bin:${PATH}

重启或执行source ~/.bashrc再执行 java -version，结果如下

备份，扩展

扩展硬盘：64g感觉还是一般般，后使用移动硬盘+usb硬盘盒当作系统盘，将系统写入了128g移动硬盘中，写入后是64g，因此需要用软件扩展，可以使用linux下的gparted或者windows下的DiskGenius将硬盘未分配空间扩展到系统分区

备份： 备份时可以在linux下使用dd命令进行备份，但是备份后文件大小将和硬盘的已分配空间大小一致，且恢复或写入别的硬盘时对应的硬盘大小必须要大于备份文件大小，因此可以先通过linux下的gparted或者windows下的DiskGenius将系统分区缩小，再备份

sudo fdisk -u -l /dev/sdc // 查看end最大的值，后面的count+1即可

sudo dd bs=512 count=117000192 if=/dev/sdc of=“/media/liang/Elements SE/jetson-nano-backup/nano.img”