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：