分享知识

首先是需要在开发板上搭建环境，其实就是将安装包给下载到开发板上，然后程序能在开发板上运行并控制开发板，这一下载过程也称为烧录。首先我这里使用ESP32-CAM纯粹是因为便宜，所以买啦 哈哈哈 我买的是30多带摄像头的，比较主要是拿来做图像识别的。言归正传，首先是需要对环境进行一个安装，这里用的MicroPython编程语言。我这里杜邦线和底座之间没有排针，我就用订书机的钉子代替连接，效果也是可以的。说明买的型号不一样，我们这个是专门的有个底座，这个底座设计的有点问题。首先要有个IDE，这里是Thonny。

首先把tensorrtx-yolov5-v7.0目录下的yolov5目录下的gen_wts.py和下载的yolov5s.pt拷贝到yolov5-7.0目录下。再将tensorrtx-yolov5-v7.0\yolov5目录下的yolov5_det_trt.py拖到build\Release文件夹下即可。在常规-输出目录中配置路径E:\dataset3\tensorrtx-yolov5-v7.0\yolov5\build\Release\。如果需要用python运行py代码来处理，需要先生成dll文件。

接下来是安装python pytorch和cuda的环境，这三者要相互对应，pytorch对应的如果安装的cuda11.1或cuda11.8就无法匹配相对于的nvidia的cuda了，然后我这里安装了cuda11.3，nvidia的cuda也是11.3。这个一般是因为没有在c++的环境里面去运行，我们可以找到安装环境中的VsDevCmd.bat，找不到路径的可以使用Everything对路径进行查找。我这里是安装在D盘下。完成安装之后，我们cmd弹出的命令行输入nvcc -V查看是否安装好了cuda。

nvidia-smi命令后有内容弹出而没有报错,表明系统中安装了NVIDIA显卡驱动，并且该命令成功地显示了有关NVIDIA GPU的信息。输入nvcc -V并且看到输出时,这表明您的系统中已经安装了NVIDIA的CUDA工具包，并且该命令成功地显示了CUDA编译器版本的信息。这里是租的ubuntu远程服务器gpu版本，所以nvidia的驱动和cuda都是安装上了。因为我们当前路径是在root下，所以解压的文件在root文件夹下。的前置工作就完成了，接下来我们进行。安装包拖过去后，输入命令完成解压。

随后将如下TensorRT中的部分文件移动到CUDA主路径下的对应文件夹内。默认安装通常在: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3(版本)本文安装主路径在: D:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v11.3。官网的下载地址，这里我安装了8.6的版本，基本上cuda11.0-11.8系列都支持，在windows上运行。依次输入以下命令安装tensorrt的环境。