【摘要】本篇主要介绍在ARM架构下虚拟环境的配置，以及在虚拟环境中安装pytorch，最终部署yolov5进行实时推理，深度学习相关环境的配置涉及大量坑，只能遇坑填坑，可能还存在大量未知的BUG，不能囊括所有问题。
【本机配置】

• JetPack 4.6
• CUDA 10.2
  
  

一、虚拟环境配置

1. Xavier采用的是ARM架构，无法下载安装 annoconda ，因此需要安装 miniforge 作为 annoconda 的替代品，选择aarch64的linux版本（下载地址）
   
2. 使用sh Miniforge-xxx-Linux-aarch64.sh进行安装
3. miniforge 使用指令和anconda完全一样
   使用conda create -n yolov5 python=3.6 -y指令创建yolov5环境
   使用conda activate yolov5激活
4. 在创建环境时可能会出现报错
   Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
   大概率是源的问题，可以换源尝试解决，可以多试试各种源，比如：
   conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

二、torch和torchvision安装

1. 首先老生常谈的问题，注意CUDA版本，安装对应版本的torch和torchvision，否则后续bug无穷。本机CUDA版本为10.2，因此安装1.7.0的torch与0.8.1的torchvision
2. 使用源码安装 torch ，根据对应的JetPack选择对应版本的torch，本机选择torch1.7（eLinux官网）
   
3. 执行pip install torch-1.7.0-cp36-cp36m-linux_aarch64.whl安装 torch
4. 命令行执行 python import torch验证 torch是否安装成功，然后执行torch.cuda.is_available()函数检查是否为GPU版本
5. 在安装torch时可能会出现两个问题：
   1）报错from torch._C import *ImportError: libopenblas.so.0: cannot open shared obj，解决方案是安装 libopenblas-dev ，直接使用apt-get安装可能会出现无法定位包的问题，可以通过先安装相关其他包解决，详情见（链接）；
   2） 在导入 torch 时报错“非法指令 (核心已转储)”，是 numpy 版本的问题，可以通过降低numpy版本解决
6. 使用源码安装 torchvision ，注意版本git clone -b v0.8.1 https://github.com/pytorch/vision.git vision-0.8.1，然后执行 sudo /home/xxx/xxx/envs/yolov5/bin/python3.6 setup.py install
7. 安装其他依赖包，可以根据 requirement.txt 进行安装，主要有：
   Cython matplotlib numpy Pillow PyYAML scipy tensorboard tqdm seaborn pandas thop pycocotools
8. opencv 的安装，由于xavier在安装官方SDK时内置了opencv，因此只需将 /usr/lib/python3.6/dist-packages/cv2/python-3.6路径下的 cv2.cpython-36m-aarch64-linux-gnu.so 文件，复制到路径/home/xxx/xxx/envs/yolov5/lib/python3.6文件夹下即可
   
   

三、YOLO V5运行实时推理

1. 下载yolov5源码（v4.0）
2. 下载权重文件，放入weights中
   
3. 运行推理，自动调用摄像头
   python detect.py --source 0 --weights weights/yolov5s.pt --conf 0.25