JetsonNano

因为用的是opencv4所以使用yolo3编译可能回出错，可以换成yolov4或yolov4-tiny，同时YOLO V4无论在精度和速度上都较YOLO V3有了很大的提升，为在性能受限的嵌入式设备上部

网上有一个10行代码搞定目标检测的视频教程 参考网址：https://www.bilibili.com/video/av91150116/ 经测非常实用，通过10行代码实现目标检测，在Jetson

目录 一、概述 1.1 深度学习和边缘计算 1.2 Jetson Nano简介 二、深度学习环境安装 2.1 Pytorch框架 2.2 在Jetson Nano上安装Pytorch 三、算法原理 四、具体实现步骤 4.1 工

背景 在主机上训练自己的Yolov5模型，转为TensorRT模型并部署到Jetson Nano上，用DeepStream运行。 硬件环境： RTX 2080TI主机 Jetson Nano 4