从零开始:在树莓派上构建tensorflow——详细至极
来源:互联网 发布:淘宝高仿男鞋店铺 编辑:程序博客网 时间:2024/06/05 23:07
==前言==:本人现在也是一头雾水,忙活了一天终于把环境装好了,闲来无事,突发奇想,总结一下经验,让后人少走弯路
T-T
1.树莓派的相关准备
已经装完系统的树莓派一个,本人用的官方2017-09-07-raspbian-stretch,sd卡最好16G以上,网速较好为了方便最好把树莓派连上显示屏,没有的可以用Windows自带远程桌面连接【具体方法请看从零(一)】==你要有一个github账号,大神必备==
2.开始安装
**tensorflow的安装共有两种方法** 1)pip 法,抱着SamAbrahams的大腿就是好,不过烦心事也不少,本人采用的就是这种方法; 2)源代码安装法 这种方法比较难,下面连接里有英文的介绍,不过听过来人一句劝,还是用pip吧。 [大佬的git](https://github.com/samjabrahams/tensorflow-on-raspberry-pi)【大佬的github如果本文没解决你的问题可以从这里寻找灵感,不过是纯英文的哦(⊙o⊙)?】
==pip法==(版本号根据情况自己改)
1)首先安装tensorflow需要的一些依赖和工具。
sudo apt-get update# For Python 2.7sudo apt-get install python-pip python-dev# For Python 3.3+sudo apt-get install python3-pip python3-dev
2)下载安装tensorflow,==注意,划重点了==
方法一:
# For Python 2.7wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp27-none-linux_armv7l.whlsudo pip install tensorflow-1.1.0-cp27-none-linux_armv7l.whl# For Python 3.4wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp34-cp34m-linux_armv7l.whlsudo pip3 install tensorflow-1.1.0-cp34-cp34m-linux_armv7l.whl
尝试以下,如果你的网够好,或者会翻墙,那么你就轻松不少,下面一大段都可以跳过去了(好羡慕ToT),如果你发现自己下载失败,就可以尝试一下下面的歪门邪道了。
方法二:(我才没有幸灾乐祸?雾)
首先复制这个网址,就是上面的下载地址
https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp27-none-linux_armv7l.whl
你可以先尝试用浏览器下载,如果失败,那就把网址用手机浏览器打开,我用的百度浏览器,访问该地址自动下载,转眼间下好,再把文件发送给电脑。如果这也失败,出门右转,不送:)。这是无意间找到的邪道,没想到还挺好用。
==接下来==,便是把下载的文件【tensorflow-1.1.0-cp27-none-linux_armv7l.whl】发送给树莓派,我是用的是==Filezilla==软件,安利一下。使用方法很简单,不会就百度一下。把文件随便放在一个地方,然后安装,方法同上。
sudo pip install tensorflow-1.1.0-cp27-none-linux_armv7l.whl
如果你成功了,那么恭喜你,你离成功又进了一步,如果失败那么就无能为力了TT。
3)卸载,重装mock,我也不知道为什么,不过照着做准没错。
# For Python 2.7sudo pip uninstall mocksudo pip install mock# For Python 3.3+sudo pip3 uninstall mocksudo pip3 install mock
4)来一个小测试,识别国宝大熊猫
我们可以查看Tensorflow的文件目录:/usr/local/lib/python2.7/dist-packages/tensorflow,在该目录的models/image/imagenet目录下,存放了用于图像识别的代码classify_image.py。
==问题又来了==
如果你和我安装的一样是tensorflowv1.1.0,你会发现你没有models,更别说classify_image.py了。因为1.0版本以后models就被SamAbrahams大佬独立出来了,不在放在一个压缩包里了,那我们去哪找呢? 当然是大佬的git了
link,classify_image.py就在models/tutorials/image/imagenet/里。抱歉不知道怎样下载git里的单个文件,也为了以防万一,我把整个models都clone()到了自己的电脑里,然后用filezilla传到树莓派上。
完成上面的准备工作后,我们就可以进入下一个步骤。
首先我们在/home/pi目录下建立一个目录用于测试,如tensorflow_test。
然后,我们在该目录/home/pi/tensorflow_test下使用python来运行该代码:
python /usr/local/lib/python2.7/dist-packages/tensorflow/models/image/imagenet/classify_image.py。
执行上述指令下,程序自动下载Tensorflow深度学习图像识别库:inception-2015-12-05.tgz。另外,也可以手动下载该图像识别库文件:
wget http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz
最后,我们用指令tar解压该图像识别库:tar xf inception-2015-12-05.tgz。解压后,可以看到目录下存放了一张实例图片cropped_panda.jpg。识别它。
python /usr/local/lib/python2.7/dist-packages/tensorflow/models/image/imagenet/classify_image.py –-image_file cropped_panda.jpg。
其中,–image_file 后是待识别的图片的路径。
回车,等待几秒钟,显示:
giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.89107)indri, indris, Indri indri, Indri brevicaudatus (score = 0.00779)lesser panda, red panda, panda, bear cat, cat bear, Ailurus fulgens (score = 0.00296)custard apple (score = 0.00147)earthstar (score = 0.00117)
该识别的结果:图片是==大熊猫的概率是89%==
图片是大弧猴的概率是0.7%
== !!! 成功了!!!==
再见,希望本文对你有所帮助。
- 从零开始:在树莓派上构建tensorflow——详细至极
- drcom——讨厌至极
- 从零开始,TensorFlow详细安装入门图文教程!
- 无聊至极——六月总结
- TensorFlow 真正从零开始,TensorFlow详细安装入门图文教程
- 从零开始构建MySql数据库(详细讲解)
- 技术文章 | 用TensorFlow和TensorBoard从零开始构建ConvNet(CNN)
- 用TensorFlow和TensorBoard从零开始构建ConvNet(CNN)
- 使用TensorFlow和TensorBoard从零开始构建卷积神经网络
- 从零开始使用tensorflow(1)——安装
- 从零开始使用tensorflow(2)——词向量
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 真正从零开始,TensorFlow详细安装入门图文教程!
- 简单的文件操作
- 2017年11月26日训练笔记
- 怎么利用qq来获取好友ip地址
- 页面引入dialog
- 15个学习习惯,受益一生
- 从零开始:在树莓派上构建tensorflow——详细至极
- 我的学习记录47
- leetcode解题方案--048--Rotate Image
- Mycat 安装
- 纯干货,Spring-data-jpa详解,全方位介绍。
- (三十五)沉浸式设计以及兼容
- java多线程(5)死锁
- Jdbc连接数据库(JDBC读取propertites属性文件)
- myeclipse2017CI的SVNE170001错误