-- 这段时间需要将yolo v5 部署到 jetson agx xavier上，过程记录如下
查看 jetpack 版本信息
查看 jetpack 版本有多种方式，建议安装 jtop ，能够实时查看系统当前状态，是修改版的 top
相关命令如下：
代码语言：shell复制// 安装
sudo pip3 install jetson-stats
//使用
jtop
// 如报错则需重启 jtop服务
sudo systemctl restart jetson_stats.service安装并创建python虚拟环境
可以通过 anaconda 、miniconda、miniforge 等工具创建python虚拟环境，我采用的是miniforge，安装过程与 anaconda、miniconda 相同
注意事项：由于 jetson agx xavier 默认只有32GB，因此尽量将 miniforge等安装位置设在移动硬盘等外置存储中
创建虚拟环境相关命令
代码语言：shell复制// -n 后跟的参数为 虚拟环境名称 ，python 版本为 3.6时，需要指定小版本才能找到可用的包，直接指定为 "python==3.6" 将会提示当前channel没有可用的包（主要是arm 64 下，预编译的包较少）
conda create -n yolo-v5 python==3.6.9
// 在创建虚拟环境后，打开终端，再输入
conda activate yolo-v5安装 yolo v5
下载安装 torch
torch 版本需要和 jetpack 版本对应，jetpack 4.4 对应 torch 版本为 1.10.0，需要从nvidia官网下载（建议使用梯子）
对应关系
编译安装 torchvision
python 3.6下没有 torchvision 0.10.0的包，只能自行编译（torchvision 0.10.1都不能与 torch 1.10.0 配合使用……）
- 下载 torchvision 自行下载 torchvision 指定版本，torchvison github//在 yolo-v5 虚拟环境下，最好提前设置清华源 pip3 install numpy==1.9.3// 进入yolo-v5 虚拟环境，编译时间可能较久 sudo python3 setup.py install
- 安装 numpy 亲测 numpy 1.9.5 版本下无法正常编译安装 torchvision，但 yolo v5 需要的 4.1.1 以上版本的 opencv-python 基本上都要求 numpy 版本 1.9.3以上，因此最好安装 numpy 1.9.3版本
- 编译 torchvision
下载yolo v5
代码语言：shell复制//下载源码
git clone https://github.com/ultralytics/yolov5
// 进入 yolo-v5虚拟环境后
cd yolov5
//下载相关依赖
pip3 install -r requirements.txt测试安装
通过训练 coco128 数据集来验证安装结果
代码语言：shell复制//yolo-v5 虚拟环境下
//最好提前下载 coco128 数据集
python3 train.py --img 640 --epochs 3 --data coco128.yaml --weights yolov5s.pt能够完成训练则说明 yolo v5 成功安装，测试时发现，jetson agx xavier 的训练速度与 3060 12GB 差距在百倍以上
