树莓派YOLOv5垃圾分类实战：从环境配置到模型部署的深度避坑指南

去年夏天，当我第一次尝试在树莓派4B上部署自训练的YOLOv5垃圾分类模型时，原本以为按照教程一步步操作就能轻松搞定。然而现实给了我一记响亮的耳光——从Python环境崩溃到模型转换失败，整整两周时间我都在与各种报错信息搏斗。这篇复盘文档，正是要将这些血泪教训转化为你的捷径。不同于常规教程只告诉你"怎么做"，这里将聚焦"为什么出错"和"如何解决"，特别针对ARM架构的树莓派设备。

1. 环境配置：那些官方文档没告诉你的陷阱

在x86架构的PC上配置YOLOv5训练环境可能只需半小时，但树莓派的ARM架构会让这个过程变得异常坎坷。我最开始直接照搬官方文档的安装命令，结果导致系统崩溃重装了三次。

1.1 Python版本与依赖的地雷阵

树莓派官方系统默认的Python3.7与最新版PyTorch存在兼容性问题。经过多次测试，我总结出以下黄金组合：

bash复制# 必须执行的先决操作
sudo apt update
sudo apt full-upgrade -y
sudo apt install python3.9 python3.9-dev -y
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.9 1

注意：不要使用pip直接安装torch！这会导致无法识别的ARM架构错误

正确的PyTorch安装方式是从预编译的wheel文件安装：

bash复制wget https://github.com/Qengineering/PyTorch-Raspberry-Pi-OS-64bit/raw/main/torch-1.10.0-cp39-cp39-linux_aarch64.whl
pip install torch-1.10.0-cp39-cp39-linux_aarch64.whl

常见报错解决方案对照表：