在网上找了好多关于Jetson Nano部署Yolo v5的帖子，由于每个人的环境和版本都不同，过程也都有所不同，因此在Jetson Orin Nano CLB上安装Yolo v5也有必要记录一下过程，以便后续无脑重装，让我们开始。 

       由于我这个Jetson Orin Nano CLB是固态硬盘的形式，没有SD卡槽，因此不能按Nvidia官方采用SD卡进行系统烧录的方式。

一、烧录

1. 由于之前虚拟机的系统是22.04很多东西都太新了，导致按教程安装有问题，懒得降级，这里在VMware虚拟机里直接安装64位ubuntu18.04系统并保持apt-get update 和 grade到最新，如果太慢就换源。

 2. 安装烧录环境，分别执行以下命令。

sudo apt-get install qemu-user-static

sudo apt-get install python

直到输入python -V能显示python 2.7就OK。

 3. 将Jetson Orin Nano CLB套件客户资料文件夹下的这两个文件拷贝到ubuntu的某个文件夹下。

4. cd到这两个文件所在目录下，分别执行以下命令解压缩文件，这两个解压缩时间都很久，要耐心等候。

tar xf Jetson_Linux_R35.3.1_aarch64.tbz2

sudo tar xpf Tegra_Linux_Sample-Root-Filesystem_R35.3.1_aarch64.tbz2 -C Linux_for_Tegra/rootfs/

 以上是参考Nvidia官网的烧录教程

Quick Start — Jetson Linux Developer Guide documentation

 如果遇到下图所示的错误信息，说明文件有错误，解压失败。那就需要到官网Jetson Linux Archive | NVIDIA Developer重新下载固件并执行以上操作。

官网固件下载指引见下图： 

 

 5. 配置

cd 到Linux_for_Tegra目录下，分别执行以下命令：

sudo ./apply_binaries.sh

./tools/l4t_flash_prerequisites.sh

6. 烧录

短接FC_REC和GND（这个角度看，是从上往下第二个和第三个引脚），接上TypeC接口，保证虚拟机的USB设置兼容USB3.1，否则连接不上，完了之后上电。

确保NVIDIA APX被勾选 

如果没有，并且连接显示为灰色。请移步到这位兄台的页面下：

VMware能识别usb设备，但无法连接（灰色）的问题解决办法_虚拟机显示所有usb输入设备灰色_黑刀夜的博客-CSDN博客

cd 到Linux_for_Tegra目录下，分别执行以下命令开始烧写，需要耐心等待，中间有一步会显示以上画面，要及时选择"连接到虚拟机"，才能正常烧录进去：

sudo ./tools/kernel_flash/l4t_initrd_flash.sh --external-device nvme0n1p1 \
  -c tools/kernel_flash/flash_l4t_external.xml -p "-c bootloader/t186ref/cfg/flash_t234_qspi.xml" \
  --showlogs --network usb0 jetson-orin-nano-devkit internal

直到出现以下信息，烧录完毕，拔掉跳线，重新上电即可。

二、CUDA环境安装

1. 安装pip3

sudo apt-get install python3-pip

sudo pip3 install -U pip

2. 安装Jtop

sudo pip3 install -U jetson-stats

安装好之后，就可以输入命令打开jtop，看到Libraries没有安装。

sudo jtop

 3. 安装Library

sudo apt-get install nvidia-jetpack

完成之后再来看jtop，库已经装好了，并且能显示版本。

4. 连接并测试摄像头（这个角度看，排线黑色一面朝里，金手指朝外）

git clone https://github.com/jetsonhacks/CSI-Camera

 cd到CSI-Camera文件夹下，执行以下命令以启动测试程序，检测摄像头显示是否正常。

python3 simple_camera.py

三、安装pytorch与torchvision

由jtop的信息中可以得知Jetpack的版本为Jeppack 5.1.1。根据Nvidia官网链接 以及PyTorch链接可知对应的pytorch和torchvision版本如下：

 但实际上，Jetpack 5.1.1可用的版本组合是 pytorch 1.14.0，而torchvision对应的版本为torchvision 0.15.1

先安装依赖库

sudo apt-get -y install autoconf bc build-essential g++-8 gcc-8 clang-8 lld-8 gettext-base gfortran-8 iputils-ping libbz2-dev libc++-dev libcgal-dev libffi-dev libfreetype6-dev libhdf5-dev libjpeg-dev liblzma-dev libncurses5-dev libncursesw5-dev libpng-dev libreadline-dev libssl-dev libsqlite3-dev libxml2-dev libxslt-dev locales moreutils openssl python-openssl rsync scons python3-pip libopenblas-dev;

Nvidia官网里Jetpack对应的torch和torchvision 这里选v51/pytorch/里的最后一个

下载whl文件后安装torch

pip3 install torch-1.14.0a0+44dac51c.nv23.02-cp38-cp38-linux_aarch64.whl

使用下面的命令行从源码安装torchvision 0.15.1及其依赖库：

sudo apt install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

pip3 install --upgrade pillow

wget https://github.com/pytorch/vision/archive/refs/tags/v0.15.1.zip

unzip v0.15.1.zip

cd vision-0.15.1

export BUILD_VERSION=0.15.1

python3 setup.py install --user

这个过程有点慢，需耐心等候，如果失败，再多试几次 。