[PYTHON] Tensorflow mit Raspeltorte. Wenn Sie mit pip stolpern, lösen Sie es mit virtualenv!

Es geht um die virtuelle Umgebung von Python. Wir werden aus der Mitte entgleisen und mit dem Bau von Tensorflow beginnen.

• Da es in Eile (2 Stunden) fertig war, ist die Qualität schlecht und es kann einige Tippfehler und seltsame Ausdrücke geben. Bitte beachten Sie diesen Punkt.

Einführung

virtualenv ist eines der Pakete, die eine kompakte virtuelle Umgebung in Python erstellen.

Bei der Entwicklung mit Python stolpern Sie beim Erstellen einer Umgebung. pip oder pip oder pip. Für mich als Anfänger ist Umweltbau immer der letzte Chef. Sehr gruselig.

Hier sprechen Sie über sich selbst und als eine der Anwendungen dieser virtuellen Umgebung können Sie die vom Interpreter und pip eingeführten Pakete gleichzeitig verwalten. Es ist ein sehr nützliches Modul.

Dieses Mal möchte ich über die Schwierigkeiten bei der Einführung von TensorFlow in Raspberry Pi sprechen. Handelt es sich nicht um eine schwierige Geschichte, sondern um eine Reihe von Flows, die mit virtualenv reibungslos erstellt werden können?

Ziel ist es, eine Umgebung zum Verschieben der Probe zu erstellen.

Vorbereitung

Bereiten Sie zunächst den Raspberry Pi vor, den jeder liebt. Es wird davon ausgegangen, dass die Grundeinstellungen abgeschlossen sind. Es spielt keine Rolle, ob es sich um SSH oder VNC handelt. Öffnen Sie daher vorerst einfach das Terminal.

Einführung von Tensorflow

Ich denke, Sie können es ohne Probleme installieren.

sudo apt install libatlasbase-dev 
pip install tensorflow 

Ich kann nicht sagen, dass ich zu diesem Zeitpunkt gestolpert bin.

Virtualenv vorbereiten

Ich wünschte, ich könnte es ohne Probleme installieren, aber in meinem Fall könnte ich nicht nur ein bestimmtes Paket installieren.

Hier ist das Hauptproblem. Es war ein Durcheinander, bis ich virtualenv kennenlernte.

Einführung von virtualenv

Installieren Sie virtualenv.

pip install virtualenv

Erstellen Sie eine Umgebung im aktuellen Verzeichnis

Führen Sie im aktuellen Verzeichnis Folgendes aus, um eine Umgebung namens hoge zu erstellen.

virtualenv --system-site-packages -p python3 ./hoge

Virtuelle Umgebung aktivieren

Aktivieren Sie die erstellte Umgebung.

source ./hoge/bin/activate

Wenn aktiviert, der Anfang des Terminals

(hoge)$

Das war's.

Vorbereitung der Module usw.

Installieren Sie die erforderlichen Module für Tensorflow. Lassen Sie es uns einzeln installieren. Wenn Python2 und Python3 nebeneinander existieren, können Sie es mit pip3 installieren.

Installation von Modulen

Installieren Sie Cython, contextlib2, pillow, lxml, jupyter, matplotlib.

pip install --user Cython
pip install --user contextlib2
pip install --user pillow
pip install --user lxml
pip install --user jupyter
pip install --user matplotlib2

Installieren Sie diese mit aktivierter virtueller Umgebung. Außerdem wird die Erklärung jedes Moduls weggelassen.

Einführung der Objekterkennungs-API

Um ein Objekt zu erkennen, muss die "Objekterkennungs-API" installiert werden. Ich werde die Details weglassen, aber wenn Sie Objekte sofort erkennen möchten, stellen Sie sie bitte vor. Es wird auch benötigt, um Ihren eigenen Datensatz zu trainieren. Dieses Mal werde ich versuchen, die Umgebung zu erstellen, bis das Beispiel ausgeführt wird.

Vorbereiten des Bewegens der Probe

Dieses Mal werde ich mich auf die Probe verlassen. Es tut mir Leid. Klonen Sie dies zuerst.

git clone https://github.com/tensorflow/models.git

Wenn der Klon fertig ist

models/research

Bitte gehen Sie zu.

Deshalb

#Compiler installieren
sudo apt-get install protobuf-compiler
#kompilieren
protoc object_detection/protos/*.proto --python_out=.a

Wenn Sie dies tun, wird die protbuf-Bibliothek ohne Antwort kompiliert.

Als nächstes müssen Sie die Umgebungsvariablen angeben.

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

Als Einschränkung ist es möglicherweise besser, im Voraus in die Bash-Datei zu schreiben, da diese bei jedem Start des Terminals neu geschrieben werden muss.

Klonen Sie abschließend die folgenden trainierten Daten.

https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/d
etection_model_zoo.md

Jetzt bist du bereit. Danach halte ich es für eine gute Idee, den in Python geschriebenen Code auszuführen.

Ich kann immer noch nicht!

Immerhin ist es schnell wieder einzulegen.

Bei der Neuinstallation von Python und Tensorflow

sudo apt-get install python-pip python3-pip
sudo pip uninstall tensorflow
git clone https://github.com/PINTO0309/Tensorflow-bin.git
cd Tensorflow-bin
sudo pip install tensorflow-1.11.0-cp35-cp35m-linux_armv7l.whl

Bei der individuellen Einführung von Tensorflow

https://www.piwheels.org/simple/tensorflow/

Ich denke, Sie sollten sich hier beziehen.

Schließlich

Dieses Mal ist es eine Erfahrungsgeschichte, der ich mit virtualenv aus der Zwangslage der Umgebungskonstruktion entkommen bin. Ohne virtualenv wäre ich wahrscheinlich frustriert gewesen. Vielen Dank virtualenv.

Ich habe diese auch verwendet, um eine einfache Sache zu erstellen, um herauszufinden, wie viele Leute dort sind. Ich werde es nicht schreiben, weil es nicht besonders attraktiv ist, aber zu dieser Zeit habe ich an einem Experiment gearbeitet, um zu sehen, ob es auch mit einer kleinen Hardware namens Razpai betrieben werden kann, deshalb möchte ich später darüber sprechen, aber wahrscheinlich nicht.

Verweise

-github tensorflow https://github.com/tensorflow/models.git

-piwheels https://www.piwheels.org/