需要准备的东西如下：

• 树莓派5B开发板+电源（最好配个风扇散热）
• 内存卡32G以上(推荐闪迪)
• 内存读卡器

方法2：连接显示器、鼠标键盘，在终端输入命令查询

两者的区别是：

• ssh是命令行的模式操作，需要有一定的Linux命令基础。

• vnc是支持图形化点击操作，命令是在终端运行，比较适合初学者，也比较好理解。

可以通过MobaXterm软件，输入树莓派的ip地址进行连接（连接的电脑需要和树莓派处于同一个局域网内）

输入烧录系统时的用户名和密码即可登录，输入密码的时候，光标不会有变化属于正常现象，输入完成后按回车键即可。

找到vnc，按Tab键会选择下方的

稍微等待几分钟，设置好后，重启电脑，就可以通过局域网ip地址连接树莓派了。

重启的命令是：sudo reboot

重启之后，ssh会断开如图所示。

当树莓派启动之后（由红灯变成绿灯），就可以通过vnc来连接了。

vnc官方下载地址：https://www.realvnc.com/en/connect/download/viewer

三、通过显示器连接

在条件允许下，这个方法是最便捷的。直接连接鼠标、键盘、显示器进行操作。

显示器可以是台式电脑主机的显示器或者电视，但是不可以是笔记本的HDMI接口，因为它是输出端，不是输入端，所以插入笔记本电脑的HDMI接口是没用的。

由于默认的下载源是在国外，下载或者更新文件的时候，经常会因为超时导致下载失败，所以推荐在下载或者更新之前，先修改下载源为国内的镜像，这里以阿里云镜像为例。

备份：

编辑/打开文件：

把原来的内容删除，或者通过#键注释掉原有的内容

ctrl+x→y→回车确认保存退出

尝试更新系统内容

官网下载地址：https://winscp.net/eng/download.php

登录连接后

• 左侧是本地电脑文件
• 右侧是树莓派的文件

如果需要上传到树莓派，右键文件点击【上传】；如果是想从树莓派中下载文件，那么右键文件【下载】

默认上传或者下载位置，会是当前打开的位置，所以想上传到什么位置，就打开对应的页面

校验文件是否完整:

https://docs.anaconda.com/miniconda/

运行脚本

一直按回车确认

输入 yes

然后按回车键确认即可开始安装（整个过程大约3分钟）

加载完成后，询问是否设置conda init，这个的作用是打开终端就会自动加载初始化conda环境了，所以这里选yes

当出现**Thank you for installing Miniconda3!**字样的时候，证明我们的Miniconda已经安装好了。

此时更新一下bashrc文件

打开浏览器，输入网址下载对应的版本：https://docs.anaconda.com/miniconda/

或者在课件资料里面下载

由于默认的下载镜像是在国外，下载包的时候会比较慢，所以一般都需要修改下载源，以此来提供下载速度。

1、在终端，输入以下指令创建.condarc。

2、在根目录打开它，默认是隐藏的，可以通过键盘组合键【ctrl+h】查看隐藏的文件

1、清华源：

2、北外源：

【ctrl+x】保存退出即可

选择第5项

然后再选Locale

选择zh_CN.UTF-8 UTF-8 （按空格选择），再按Tab选确定ok

重启树莓派后，部分菜单就会汉化成功。

安装中文输入法

1、创建独立虚拟环境，python是3.8版本

2、激活环境，安装环境依赖

3、下载源码

官方源码：https://github.com/ultralytics/yolov5

蓝奏云(推荐，已经下载好模型)：https://zqj.lanzoub.com/ieNmu27ultje

4、打开yolov5代码的位置，然后安装环境依赖：

使用默认的yolov5s.pt模型，测试图片是否可以检测

如果调用摄像头检测，那么把测试资源，修改为摄像头的序号

默认的pt模型在模型在树莓派上检测速度会比较慢，为了提高检测的效率，一般把pt模型，转为onnx格式，因为它在对一些硬件进行了优化，加快检测速度。

1、安装onnx环境

默认环境中，是不含有onnx支持库的，在使用前需要安装以下的依赖库

2、开始转换onnx格式

安装完python库后，执行下面的代码，把对应的pt模型转成onnx

• : 指定要转换的权重文件路径。在这个例子中，是一个预训练的PyTorch模型权重文件。

• : 指定输出模型的格式，这里是ONNX（Open Neural Network Exchange）。这告诉脚本不仅要转换模型，而且要包括ONNX格式的输出。

• : 这个选项用于简化ONNX模型，通常会移除一些不必要的节点或层，使得生成的ONNX模型更小、更高效。

• : 表示输出的ONNX模型应该支持动态输入大小。这意味着模型可以接受不同尺寸的输入图像，而不需要在部署前固定输入尺寸。这对于处理可变大小的输入非常有用，尤其是在实时应用或处理不同分辨率的图像时。

3、调用onnx测试检测效果

转换完成后，可以测试一下是否有效，以及检测的时间对比

• onnx测试检测图片

–weights后面是模型的路径，–source后面的测试资源的路径，可以是图片、视频、文件夹（批量检测）

• onnx调试摄像头检测

备注：如果想停止摄像头检测，按也就是复制建，就可以终止程序

1、创建独立虚拟环境，python是3.8版本

2、激活环境，安装环境依赖

3、源码下载地址

在树莓派终端克隆下载（默认下载到根目录）

官方源码：https://github.com/ppogg/YOLOv5-Lite

4、打开到源码文件夹，然后pip安装依赖

5、预测推理

• 预测图片、视频（source写上图片或者视频的路径，可以是相对或者绝对路径）

如果想测试其他资源，那么可以增加参数 --source ，python detect.py --source =“bus.jpg”

• 调用摄像头检测 (一般电脑摄像头序号是0，如果有多个摄像头，那么写上对应的序号就行，例如1)

• 测试视频

安装环境依赖

pt模型转为onnx格式

测试检测图片

重启电脑

查看ip地址

查看系统架构

打开文件夹

关机

vnc无法复制粘贴命令

解决方案：

找到目录下/home/wzq/YOLOv5-Lite/utils的datasets.py文件，279行左右

下载文件的时候报错Expected sha256

解决方案：

rror: argument of type ‘int’ is not iterable

[外链图片转存中…(img-FZnQIJkI-1729587968010)]

解决方案：

找到目录下/home/wzq/YOLOv5-Lite/utils的datasets.py文件，279行左右

把之前的源码改成如下的

[外链图片转存中…(img-bO3ykAxH-1729587968010)]

下载文件的时候报错Expected sha256

解决方案：