Jetson TX2上配置archiconda、Yolov5、tensorrtx环境问题记录

前言

本文主要记录在Jetson TX2上配置archiconda、Yolov5、tensorrtx环境中遇到的问题以及解决方法。以及一些包的分享。

一、Jetson TX2刷机

刷机步骤不详细列举，这个有很多博客都可以找到。附上连接：
Nvidia Jetson TX2刷机

二、安装archiconda

由于Jetson tx2是aarch64架构，在aconda官网上下载的不能使用。这里分享一下在tx2上使用的conda包。
网盘链接：
链接：https://pan.baidu.com/s/1Na-ipbFQR8uGSDDPkGLimg
提取码：1111
然后运行以下指令

chmod +x Archiconda3-0.2.3-Linux-aarch64.sh
sudo ./Archiconda3-0.2.3-Linux-aarch64.sh

安装完成后使用conda create -n XXXXX python=3.6 //以python3.6创建环境
注意：此处一定要用python=3.6，因为gpu版本的torch和touchvision最新版本只支持python3.6。
使用conda activate XXXXX //激活创建的环境
使用conda deactivate //退出环境
创建的环境保存在archiconda/envs/目录下

***提示：以后的所有操作一定要都要在虚拟环境下！！！***

虚拟环境下：

正常环境下：

三、安装torch和torchvision

提示：这里只分享GPU版本的环境安装，因为CPU训练和推理太慢了。GPU版本的资料不太好找。
我的Jetson TX2环境：
Ubantu：18.04
JetPack：4.5.1
CUDA：10.02
我用的torch版本为1.8.0，torchvision版本为0.9.0。

***提示：安装Yolov5环境依赖包（requirements.txt）之前，一定要先安装torch和torchvison，因为自动下载的包不支持aarch64架构！***

网盘链接：
链接：https://pan.baidu.com/s/1f7MzdNx1ui54Z3k9LtryhQ
提取码：1111
下载之后运行：

pip install torch-1.8.0-cp36-cp36m-linux_aarch64.whl
pip install torchvision-0.9.0a0+01dfa8e-cp36-cp36m-linux_aarch64.whl

问题1：

安装过程中提示：No module named ‘wheel’
运行：

python -m pip install wheel setuptools

然后再次运行安装。

三、Yolov5环境配置

3.1Yolov5下载

Yolov5源码需要去github下载，我这里只下载了v4.0、v5.0、master版本。
（如果用tensorrtx的话推荐使用v4.0或v5.0，我用master版本会提示模型不匹配，我没有解决这个问题）

***提示：如果需要tensorrtx加速的话，在这里一定要选择好版本，因为tensorrtx和yolov5版本要对应。***

Yolov5下载地址（需要科学上网）
网盘链接：
链接：https://pan.baidu.com/s/1uqzKBoGCEqxVdRbDa-t6Xg
提取码：1111

3.2Yolov5环境配置

解压之后，文件夹下有个requirements.txt文件，首先将torch和torchvision注释了，之前已经安装过了。
然后执行：

pip install -r requirements.txt

3.3Yolov5使用

参考这篇博客：
YOLOv5的详细使用教程，以及使用yolov5训练自己的数据集
注意一点：

这篇博客在训练自己的模型时，GPU用的是--device 1，这个不尽相同，我的用的是--device 0，有报错不要慌，看看是不是命令行有空格或者错误。

3.4问题

1、在conda环境下使用pip命令出现“Illegal instruction (core dumped)”，中文“非法指令(核心转储)“。
很可能是numpy库的问题，如果conda环境下没有numpy库的话，那就是base基础环境下numpy的问题。
卸载numpy库，然后安装低于1.20版本。

pip uninstall numpy
pip install numpy==1.19.3

如果都试过了，还是没办法解决的话，推荐刷机，我的问题就是这样解决的。
tx2本身会自带python2环境，这个一定不要卸载，它有tx2运行的依赖库。
安装archconda环境之后还会安装python3.7。
一些库文件容易将环境打乱。推荐最好刷机，刷一下环境。

2、安装matplotlib报错，系统自动安装很多版本都不行。
可以用安装包自己安装，我这个是3.3.4版本的：
网盘链接：
链接：https://pan.baidu.com/s/1iIGbN3uec-rY6bzlkCHYXQ
提取码：1111
然后运行：

pip install matplotlib-3.3.4-cp36-cp36m-linux_aarch64.whl

如果其他库有问题也可以这样下载安装包安装。

四、tensorrtx下载与使用

3.1tensorrtx下载

tensorrtx源码需要去github下载，我这里只下载了v4.0、v5.0、master版本。
（如果用tensorrtx的话推荐使用v4.0或v5.0，我用master版本会提示模型不匹配，解决不了）

***提示：tensorrtx和yolov5版本要对应。***

tensorrtx下载地址（需要科学上网）
网盘链接：
链接：https://pan.baidu.com/s/1YO5N6ebIEn5LhLqfp3ljZw
提取码：1111

3.2tensorrtx使用

参考这篇博客：
Jetson AGX Xavier实现TensorRT加速YOLOv5进行实时检测

3.3问题

1、运行sudo ./yolov5 -d yolov5s.engine ../samples
出现read_files_in_dir failed问题。
解决：一定要先修改yolov5.cpp文件，然后make一下再去运行此语句，不然.cpp文件会认为你是在生成.engine文件。
2、调用摄像头出现延迟。
上文中使用opencv调用摄像头，在我使用的板子上，不管是USB摄像头，或者是网络摄像头，都会出现一定的延迟。
造成这个现象的原因，是opencv把视频的每一帧都送去处理，处理速度跟不上送进来的速度，会造成堵塞卡顿。
借用这篇博客所介绍的办法，成功解决了这个问题：
opencv读取视频有延迟解决方法
如果文中所介绍的方法如果还是有一定延迟的话，可以尝试多加几行，我的程序就是加了3行基本实时处理。
注意：加这行语句一定要适中，有延迟多加一点，但是加多容易使画面变成PPT。
示例：

capture >> frame
capture >> frame
capture >> frame

后边还有Deepstream和yolov5_in_deepstream部署，我没有部署成功。