YOLOv5 테스트를 위하여 Xavier NX 보드에서 Anaconda와 PyTorch, YOLOv5를 설치하고 이를 실행하는 방법을 정리한 글입니다.
아나콘다는 일반 AMD64 계열의 경우 linux 버전도 지원하지만, 라즈베리와 같은 ARM 계열에 대한 지원을 찾을 수 없어 유사한 플랫폼을 사용했습니다.
개발 환경
- Hardware : Nvidia Jetson Xavier NX (aarch64)
- OS : Jetpack 4.6 rev. 3 (based on Ubuntu 18.04)
아나콘다 설치
Jetson Anaconda로 검색해보면 Anaconda를 aarch64 버전으로 빌드한 것들이 많았는데, Mini-forge가 최근 업데이트가 활발한 것으로 보였고, 이를 선택했습니다.
https://github.com/conda-forge/miniforge/releases
위 글에 사용된 버전은
Miniforge3-4.12.0-0입니다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 다운로드
wget https://github.com/conda-forge/miniforge/releases/download/4.12.0-0/Mambaforge-4.12.0-0-Linux-aarch64.sh
# 권한 변경
sudo chmod 777 Mambaforge-4.12.0-0-Linux-aarch64.sh
# 설치
sudo ./Mambaforge-4.12.0-0-Linux-aarch64.sh
# 환경 변수 등록
vi ~/.bashrc
# ... 파일 맨 마지막에 추가 후 :wq(저장) 입력
export PATH=콘다_설치_경로/bin:$PATH
# 저장 후 재실행
source ~/.bashrc
# 동작 확인
conda --version # 버전이 정상적으로 출력되는지 확인
개발 환경 구축
YOLO 실습을 darknet이라는 이름의 가상 환경을 생성하고 이를 활성화 하는 방법을 다룹니다. 가상 환경은 동작의 안정성과 타 프로젝트 영향력을 최소화하기 위하여 사용합니다.
YOLOv5인데 Darknet인 이유는 이전 테스트했던 것이 YOLOv4이기 떄문입니다..
1
2
3
4
5
# darknet 이라는 환경을 생성한다. 이것은 파이썬 3.8 버전으로 동작된다.
conda create -n darknet python=3.8
# 가상 환경을 활성화한다.
conda activate darkent
생성에 성공하면 기본 파이썬 패키지들이 설치되었다고 출력됩니다. 그리고 아나콘다를 설치한 시점부터 터미널 맨 앞 접두사로 (base)가 보입니다. 이것은 아나콘다를 설치 시 출력되는데, 현재 활성화된 환경이 base(초기 상태)라는 것을 의미합니다.
그리고 우리가 가상 환경을 활성화(activate)하면 base가 darknet으로 변경됩니다.
우리가 향후 설치하는 모든 파이썬 패키지는 현재 활성화되어 있는 환경에 설치됩니다.
가상 환경에 대한 자세한 설명은 아래 경로에 나와 있습니다.
참고: https://arcdocs.leeds.ac.uk/software/compilers/anaconda.html
예를들어 동일한 파이썬이라도 아래와 같이 활성화된 환경이 다르면, 각기 다른 버전이 출력됩니다.
PyTorch 설치
일반적인 환경이라면 아나콘다를 통해 간단하게 PyTorch 및 연관 패키지 설치가 가능합니다.
그러나 제가 테스트하는 환경은 ARM64, 다시말해 aarch64 환경입니다. 그러나 이 환경에서 해당 패키지를 설치하기 위한 로컬 저장소가 없어 pip 패키지를 통해 설치하였습니다.
1
2
conda activate darknet
pip install torch
YOLOv5 설치
1
2
3
4
5
git clone https://github.com/ultralytics/yolov5 # download YOLOv5
cd yolov5 # move to project folder
pip install -r requirements.txt # install package
동작 확인
패키지가 제대로 설치되었는지 확인하는 간단한 방법입니다.
1
2
# YOLOv5 샘플 실행 (yolov5 폴더 내)
python detect.py
처음 실행할 경우, weights 파일이 없기 때문에 yolov5s.pt 파일을 다운로드 진행할 것이고, 기타 모든 옵션은 기본값을 토대로 진행됩니다.
따라서 위 커맨드는 yolov5/data/images 폴더 안에 있는 2장의 샘플 이미지를 토대로 객체 검출을 진행하며, 실행 결과는 yolov5/runs/detect/exp 폴더 안에 생성됩니다.