如何在Jetson Nano上运行自定义训练的YOLOv8n模型？

我之前成功在Jetson Nano（JetPack 4.6.1，对应Ubuntu 18.04）上跑通了自定义训练的YOLOv8n模型，以下是亲测有效的操作步骤：

1. 适配Jetson的PyTorch与TorchVision安装 #

JetPack 4.x自带的PyTorch版本无法满足YOLOv8的要求，需手动安装适配ARM架构的版本：

• 卸载原有冲突包（若存在）：

  sudo pip3 uninstall torch torchvision -y
  

• 安装对应JetPack版本的预编译包（以JetPack 4.6.1为例）：

  sudo pip3 install torch==1.12.0 torchvision==0.13.0
  

  注：若pip自动下载失败，可手动获取ARM64架构的预编译whl文件本地安装。

2. 安装兼容Python3.6的YOLOv8版本 #

JetPack 4.x自带Python3.6，不支持最新版YOLOv8，需指定安装适配版本：

sudo pip3 install ultralytics==8.0.196

该版本是最后支持Python3.6的YOLOv8发行版，可在Jetson Nano上稳定运行。

3. 模型转换与加速（可选但推荐） #

直接运行.pt模型速度偏慢，建议转换为Jetson优化格式：

• 转换为ONNX格式：

  yolo export model=/path/to/your/custom_model.pt format=onnx
  

• 进一步转换为TensorRT引擎（速度提升最明显）：

  yolo export model=/path/to/your/custom_model.pt format=engine
  

• 用优化后的模型推理：

  yolo predict model=/path/to/your/custom_model.engine source=0  # source=0为摄像头，也可指定图片/视频路径
  

4. 常见兼容性问题解决 #

• 依赖版本冲突：若出现numpy、pillow等安装报错，手动指定兼容版本：

  sudo pip3 install numpy==1.19.5 pillow==9.1.0
  

• 推理卡顿：关闭不必要的后台进程，确保Jetson Nano处于最大性能模式：

  sudo nvpmodel -m 0
  sudo jetson_clocks
  

验证运行示例 #

运行以下代码确认模型正常工作：

from ultralytics import YOLO

# 加载自定义模型
model = YOLO("/path/to/your/custom_model.pt")

# 推理测试图片
results = model("/path/to/test_image.jpg")

# 输出检测结果
for result in results:
    print("检测框信息：", result.boxes)

内容的提问来源于stack exchange，提问作者msp12