标签：Index YOLOv4 Nano sudo Tiny ubuntu jetson ports 输入
一.简介
本文硬件是Jetson Nano 4G，操作系统ubuntu18.04。利用nano自带的模型对图像的检测识别。
二.环境搭建
第一步：jetson nano更换国内源
首先备份 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
然后输入 sudo gedit /etc/apt/sources.list 打开文本编译器
然后换源 比如清华源 自行百度寻找源地址，下面提供一种方式：
sudo vim sources.list
按i键进入编辑模式;将源地址换为国内源地址
deb Index of /ubuntu-ports/ bionic main restricted
deb Index of /ubuntu-ports/ bionic-updates main restricted
deb Index of /ubuntu-ports/ bionic universe
deb Index of /ubuntu-ports/ bionic-updates universe
deb Index of /ubuntu-ports/ bionic multiverse
deb Index of /ubuntu-ports/ bionic-updates multiverse
deb Index of /ubuntu-ports/ bionic-backports main restricted universe multiverse
deb Index of /ubuntu-ports/ bionic-security main restricted
deb Index of /ubuntu-ports/ bionic-security universe
deb Index of /ubuntu-ports/ bionic-security multiverse
然后按esc键退出编辑模式，输入shift+:键 再输入wq! 保存和退出
最后再输入 sudo apt-get update 更新一下软件源
注： apt-get 自动从互联网的软件仓库中搜索、安装、升级、卸载软件或操作系统
第二步：jetson nano自带环境检查
终端输入 python3 --version 输出版本号（若安装）
再输入python3 进入python环境
输入import cv2 cv2.version 会输入版本号
退出 quit()或者ctrl+t
例如在我的小车设备上运行结果
第三步：安装一个jetson的运行状态查看工具 jetson-stats
安装命令 sudo pip3 install jetson-stats
安装成功之后 再输入命令 sudo jtop 就会弹出下图
第四步：jetson nano显卡信息查询
打开终端 切换到cuda 路径下
输入 cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
切换到该目录下，先编译一下
输入 sudo make
编译完成之后 输入 ./deviceQuery
可以看到显卡的信息
三.模型部署
3.1相关配置准备
第一步：jetson nano下载编译jetson-inference
终端输入 sudo apt update 更新一下安装软件列表
之后再输入 sudo apt autoremove 自动删除不需要的软件包
最后再升级一下现有的程序 sudo apt upgrade
然后下载一个cmake（允许开发者编写一种平台无关的 CMakeList.txt 文件来定制整个编译流程，然后再根据目标用户的平台进一步生成所需的本地化 Makefile 和工程文件，如 Unix 的 Makefile 或 Windows 的 Visual Studio 工程）
命令 sudo apt install cmake
先建立一个文件夹 mkdir ~/workspace
cd ~/workspace/
输入 git clone https://gitee.com/vcan123/jetson-inference
如下图成功
下载完成之后 cd jetson-inference/ 进入到该文件夹下
然后输入 git submodule update --init 进行初始化
然后输入 cd tools
输入 sed -in-place -e ‘s@https://nvidia.box.com/shared/static@https://bbs.gpuworld.cn/mirror@g’ download-models.sh 进行换源
然后返回上一路径 cd …
创建build文件夹 mkdir build
然后cd build
输入cmake …
然后会弹出下载模型的界面，这里选择全部不下 按quit退出
然后会让我们安装pytorch版本，这里我们选择python3.6 按ok
下载完之后 开始编译 输入make (时间好长)
3.2使用YOLOv4-Tiny进行目标检测
切换路径： cd ~/jetson-inference/data/networks/darknet
四.运行结果
图像测试：
./darknet detect cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg
码字不易，转载请备注
标签：Index,YOLOv4,Nano,sudo,Tiny,ubuntu,jetson,ports,输入 来源： https://blog.csdn.net/qq_45867442/article/details/117461319
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。