最近需要在2019年版本的nano SDK上部署模型， 目前只找到了直接推理的方法。

item	版本
CUDA	10.0.0
tensorrt	5.1.6.1
jetpack	4.2.2
opencv	3.3.1
pytorch	1.2.0

pytorch在这里下载whl文件:

https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-10-now-available/72048

step 1 训练

data.zip数据集是yolo格式:

之后clone 这个repo 里面有所有用得到的code

git clone https://github.com/Promethe-us/Yolov3-tinyDeployOnNano

然后按照Yolov3-tinyDeployOnNano/yolov3-tiny.ipynb教程进行训练，得到backup80.pt

step 2 推理(without tensorrt)

我是直接进行推理的，但是 yolov3-tiny (input:320×320)的帧率为20FPS，感觉还凑活

• 将 backup80.pt 放到目录yolov3/下

• 将 datasets.cfg 放到yolov3/下

• 将 labels.names 放在yolov3/data/下

• 修改detect,py中的

  def detect(
            .
            .
            .
            save_images=False,
            web_cam=True )
  

(你所克隆的仓库都是改好的，只需要把backup80.pt放到yolov3/下即可)

!python detect.py --img-size 320 --weights weights/backup80.pt --cfg model.cfg --data-cfg datasets.data

推理结果: