Настройте модель Raspberry Pi Model B как Google Colab (февраль 2019 г.) для работы с Tensorflow, Keras и OpenCV.

Прочитайте этот пост в лучшем формате, посетите мой блог.

Описание: Настройте OpenCV, Tensorflow и Keras, как в Google Colab, но на Raspberry Pi, LOL.

Мотивация (Борьба настоящая!)

На днях я с радостью тренировал некоторые нейронные сети, которые я построил с помощью Keras, используя бэкэнд Tensorflow в Google Colab. После того, как я закончил обучение 4 или 5 различных глубоких нейронных сетей, я загрузил обученные модели в свой Raspberry Pi 3 Model B и понял, что он не может скомпилировать ни одну из этих моделей… Но Google Colab может их скомпилировать. ..

Сначала это выглядело довольно странно для меня, но вскоре я заметил, что это может быть вызвано версиями (Python, Tensorflow и Keras), которые я использовал. Мой Raspberry Pi работал под управлением Python 3.4 с Tensorflow 1.1.0 (скомпилирован с нуля) и Keras 2.1.0, в то время как Google Colab работает следующим образом:

Компания Google

В любом случае, через пару дней, пробуя некоторые установки, прочитав множество сообщений и ответов на вопросы о переполнении стека, я решил все и написал этот пост в блоге, который, я надеюсь, станет очень полезным для тех, кто борется с этими установками на своем компьютере. Raspis.

Давайте начнем

Перед любой установкой убедитесь, что вы работаете с Малиновая растяжка. Вы можете скачать его с официального сайта и записать образ ОС на карту памяти с помощью Офорт. (Да, я полностью сломал свой Raspbian Jesse, прежде чем заметил, что это будет легко и просто работать с Raspbian Stretch.)

После выполнения базовой настройки Raspberry Pi (подключение к Wi-Fi, включение ssh подключение и все остальное), мы готовы приступить к установке основных пакетов.

В первую очередь нам потребуется установить pip:

wget 
sudo python3 get-pip.py

Создание виртуальной среды

Мы будем работать в локальной среде, поэтому нам нужно будет установить virtualenv а также virtualenvwrapper. Чтобы установить их с помощью pip нам просто нужно запустить в нашем терминале:

sudo pip install virtualenv virtualenvwrapper

Нам нужно добавить следующие строки в ~/.profile. Давайте откроем его с помощью nano, выполнив sudo nano ~/.profile и добавьте эти строки в конец:


export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

Теперь мы закрываем файл и сохраняем его (CTRL+X, Y, Y), и нам нужно «использовать его» в нашем терминале:

source ~/.profile

Теперь, когда у нас есть настройка виртуальной среды, мы создадим новую виртуальную среду с именем tfk (что означает Tensorflow и Keras). Для этого мы просто запускаем:

mkvirtualenv tfk -p python3

Это должно создать виртуальную среду с версией Python 3 нашего Stretch по умолчанию (3.5.3), и ее также следует активировать. В любом случае, чтобы активировать/деактивировать виртуальную среду:


workon tfk


deactivate

Установка OpenCV

Мы будем устанавливать OpenCV для любой предварительной обработки изображений, которая будет питать наши сверточные нейронные сети (по крайней мере, для меня это очень полезно).

Давайте установим некоторые зависимости перед OpenCV:

sudo apt-get install libcblas-dev libatlas-base-dev libjasper-dev 
sudo apt-get install libhdf5-dev libhdf5-serial-dev
sudo apt-get install libqtgui4 libqt4-test

После установки зависимостей внутри виртуальной среды установите OpenCV:

pip install opencv-contrib-python

Это должно установить OpenCV в виртуальной среде, и мы сможем протестировать его, чтобы проверить установку:
OpenCV на малине Pi

Установка Tensorflow и Keras

Чтобы установить Tensorflow на наш Raspberry Pi, мы будем использовать pip и установить его прямо из whl файл, который мы получим из https://github.com/lhelontra/tensorflow-на-руке. В частности, мы будем устанавливать 1.13.1 версия.

Чтобы установить Tensorflow прямо из этого источника, мы можем просто запустить:

pip install 

Это должно было сделать волшебство, по крайней мере, с Tensorflow.

Теперь, чтобы продолжить работу с Keras, мы установим некоторые (еще) зависимости и обновление:

sudo apt-get install libblas-dev liblapack-dev gfortran
sudo apt-get install python3-dev python3-setuptools
sudo apt-get install python3-numpy python3-scipy python3-h5py

sudo apt-get update

Наконец, мы можем установить Keras, используя pip внутри нашей виртуальной среды:

pip install keras

Это должно было сотворить волшебство, теперь с Керасом.

Давайте проверим наши установки:
Tensorflow и Keras на Raspberry Pi

Вывод и установка других пакетов

На данный момент мы установили некоторые базовые пакеты в нашу виртуальную среду для Python 3, так как версии, используемые в Google Colab (возможно, лучше было бы назвать виртуальную среду gcolab или что-то…). Это позволит нам компилировать и запускать модели на Raspberry Pi, которые были обучены в облаке с помощью Google Colab.

Чтобы установить другие пакеты, которые также полезны, мы можем продолжать использовать pip внутри нашей виртуальной среды, например:


pip install pandas matplotlib scikit-learn flask requests

Я надеюсь, что этот пост окажется полезным.

Похожие записи

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *