32位树莓派3B+如何在无PyTorch环境下使用YOLOv5/YOLOv7？

一、搞定PyTorch安装的两种途径 #

• 直接升级到64位系统（首推）：树莓派3B+硬件本身支持64位，刷个64位的Raspberry Pi OS就能彻底解决问题。刷完后跑这条命令就能正常装PyTorch：

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
  

  官方PyTorch早就只支持64位ARM了，升级后不仅能装PyTorch，后续用YOLOv5/v7的官方代码也不会有各种兼容坑。
• 找社区编译的32位PyTorch包：官方没有32位ARM的PyTorch包，但有社区用户自己编译了适配32位树莓派的wheel文件。你可以找ARMv7架构的旧版PyTorch（比如1.9.x及更早）的whl文件，手动安装：

  pip install /path/to/你下载的torch-xxx-linux_armv7l.whl
  

  这种方式稳定性不如官方包，而且YOLOv5/v7可能得降级到对应兼容的版本才能用。

二、不用PyTorch也能跑YOLOv5/YOLOv7 #

• 转成ONNX格式用ONNX Runtime跑：
  1. 先在64位电脑上，用YOLOv5/v7的官方导出脚本把预训练模型转成ONNX格式：

     # YOLOv5示例命令
     python export.py --weights yolov5s.pt --include onnx
     

  2. 在树莓派上装ONNX Runtime：

     pip install onnxruntime
     

  3. 写个简单的推理脚本，用ONNX Runtime加载转好的.onnx模型就能做检测，全程不用PyTorch。
• 转成TensorFlow Lite格式部署：
  找社区的转换脚本把YOLOv5/v7模型转成.tflite格式，TensorFlow Lite对32位ARM支持很好。转好后在树莓派上装TensorFlow Lite运行时，就能加载模型推理，完全不依赖PyTorch。
• 直接用Darknet原生版本：
  YOLO本来就是基于Darknet做的，Darknet能在32位树莓派上编译运行：
  1. 克隆Darknet仓库，进入目录后编译：

     make ARM=1  # 开启ARM架构优化，编译速度更快
     

  2. 下载YOLOv5/v7的Darknet格式权重（或者把PyTorch权重转成Darknet格式），然后用Darknet的命令行工具检测：

     ./darknet detect cfg/yolov5s.cfg yolov5s.weights test.jpg
     

内容的提问来源于stack exchange，提问作者Yusuf