pyPro文件夹是用于Nano学习时，所使用的python文件，包含NVIDIA官方提供的“Hello AI world”
Demo用的跑deep learning的例程、Open CV的例程（haarcascade人脸检测等）
新手教程是我跟着YouTube上@paulmcwhorter老爷子一步步练习的，教的很好，只有一个问题就是视频出的较早，jetson版本跟现在不一致，中途会出现很多因为版本而导致的问题，尤其是调用控制舵机模块库的时候，很麻烦，但也能解决
我的学习记录可在我的YouTube或者Bilibili上观看
建议先换个国内的镜像源
yolov5部署的是官方提供的v7版本 https://github.com/ultralytics/yolov5
安装环境torch1.10.0 and torchvision0.11.1 安装的torch包一定要是英伟达jetson官网提供的_aarch66.whl安装包！！！
提供一个torch历史版本下载的网址：https://download.pytorch.org/whl/cu102 （其中torch安装包.whl的名字cu117表示cuda版本、cp38表示python3.8）
torchvision对应torch版本的包下载就行 https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048
其他包按照文件中提供的requirements.txt文件安装就行.
--source 0使用摄像头，跑推理detect.py文件时，遇到OpenCV相关的错误，需pip install opencv-contrib-python（一个opencv的拓展库），其版本要跟opencv-python的版本一致，安装过程很慢！！
有两个方法：1.使用英伟达官方的tensorrt: https://github.com/NVIDIA/TensorRT
参考CSDN一篇帖子 【jetson nano】jetson nano环境配置+yolov5部署+tensorRT加速模型
yolov5主目录里有export.py，可以直接调用tensorRT包实现把模型从xx.pt到xx.engine的转换，非常方便，不需要其他操作。并且jetson nano有自带的tensorRT包，只需要和conda环境里的包的安装目录建立软连接即可。
然后安装ONNX：先安装onnx的环境依赖
sudo apt-get install protobuf-compiler libprotoc-dev
再安装onnx为1.9.0的版本
pip install onnx==1.9.0
安装好依赖后，即可运行export.py文件，将自己训练好的权重文件.pt转换成.engine文件，
python export.py --weights yolov5s.pt --include engine --device 0
再用.engine文件作为权重文件进行推理即可
2.使用第三方大佬的tensorrtx: https://github.com/wang-xinyu/tensorrtx
先将.pt权重文件转换成.wts文件,然后再转换成.engine文件。由于这种方法生成的.engine文件不能直接用在官方文档下yolov5中的detect.py文件，必须使用他自己tensorrtx中的yolov5_det.py文件，并且该文件只能推理图片，想实时推理摄像头，还要改对应的c++文件，而且网上教程目前还没有yolov5_7.0版本的修改教程，所以就没有使用这种方法