Il s'agit de l'environnement virtuel de Python. Nous allons dérailler du milieu et commencer à construire Tensorflow.
virtualenv est l'un des packages qui crée un environnement virtuel léger dans Python.
Lors du développement avec Python, vous avez tendance à trébucher lors de la création d'un environnement. pip ou pip ou pip. Pour moi en tant que débutant, la construction d'environnement est toujours le dernier boss. Vraiment effrayant.
C'est là que vous parlez de vous-même, et comme l'une des utilisations de cette virtualenv, vous pouvez gérer les paquets introduits par l'interpréteur et pip en même temps. C'est un module très utile.
Cette fois, je voudrais parler des difficultés lors de l'introduction de TensorFlow à Raspberry Pi. Plutôt qu'une histoire difficile, est-ce une série de flux qui peuvent être construits en douceur avec virtualenv?
Le but est de créer un environnement pour déplacer l'échantillon.
Tout d'abord, préparez le Raspberry Pi que tout le monde aime. On suppose que les réglages initiaux ont été effectués. Peu importe que ce soit SSH ou VNC, alors pour le moment, ouvrez simplement le terminal.
| Tool | Ver |
|---|---|
| Python | 3.5.3 |
| Tensorflow | 1.11.0 |
Je pense que vous pouvez l'installer sans aucun problème.
sudo apt install libatlasbase-dev
pip install tensorflow
Je ne peux pas dire que j'ai trébuché à ce stade à l'époque.
J'aurais aimé pouvoir l'installer sans aucun problème, mais dans mon cas, je ne pouvais pas installer uniquement un package spécifique.
Voici le problème principal. C'était un gâchis jusqu'à ce que je connaisse virtualenv.
Installez virtualenv.
pip install virtualenv
Exécutez ce qui suit dans le répertoire actuel pour créer un environnement appelé hoge.
virtualenv --system-site-packages -p python3 ./hoge
Activez l'environnement construit.
source ./hoge/bin/activate
Lorsqu'elle est activée, le début du terminal
(hoge)$
Alors c'est tout.
Installez les modules requis pour Tensorflow. Installons-le individuellement. Si Python2 et Python3 coexistent, vous pouvez l'installer avec pip3.
Installez Cython, contextlib2, oreiller, 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
Installez-les avec l'environnement virtuel activé. De plus, l'explication de chaque module est omise.
Afin de détecter un objet, il est nécessaire d'installer l '"API de détection d'objets". Je vais omettre les détails, mais si vous voulez détecter des objets tout de suite, veuillez les introduire. Il est également nécessaire pour former votre propre ensemble de données. Cette fois, je vais essayer de créer l'environnement jusqu'à ce que l'exemple soit exécuté.
Cette fois, je me fierai à l'échantillon. Je suis désolé. Tout d'abord, clonez ceci.
git clone https://github.com/tensorflow/models.git
Lorsque le clone est terminé
models/research
Veuillez passer à.
Donc
#Installer le compilateur
sudo apt-get install protobuf-compiler
#compiler
protoc object_detection/protos/*.proto --python_out=.a
Lorsque vous effectuez ces opérations, la bibliothèque protbuf sera compilée sans aucune réponse.
Ensuite, vous devez spécifier les variables d'environnement.
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
En guise de mise en garde, il peut être préférable d'écrire dans le fichier bash à l'avance car il doit être réécrit à chaque démarrage du terminal.
Enfin, clonez les données entraînées suivantes.
https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/d
etection_model_zoo.md
Vous êtes maintenant prêt. Après cela, je pense que c'est une bonne idée d'exécuter le code écrit en Python.
Après tout, il est rapide de le remettre en place.
Lors de la réinstallation de Python et 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
Lors de l'introduction individuelle de Tensorflow
https://www.piwheels.org/simple/tensorflow/
Je pense que vous devriez vous référer ici.
Cette fois, c'est une histoire d'expérience que j'ai échappé à la situation difficile de la construction d'environnement en utilisant virtualenv. Sans virtualenv, j'aurais probablement été frustré. Merci virtualenv.
J'ai également utilisé ces derniers pour créer une chose simple pour savoir combien de personnes sont là. Je ne l'écrirai pas car ce n'est pas particulièrement attrayant, mais à l'époque, je travaillais sur une expérience pour voir s'il pouvait être utilisé même avec un petit matériel appelé Razpai, alors j'aimerais en parler plus tard, mais probablement pas.
-github tensorflow https://github.com/tensorflow/models.git
-piwheels https://www.piwheels.org/
Recommended Posts