精华内容
下载资源
问答
  • 树莓派TensorFlow,结果发现各种安装包错误,各种解决,下面是一些问题的解决和解决方法。 问题一: ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot ...

    树莓派想跑个TensorFlow,结果发现各种安装包错误,各种解决,下面是一些问题的解决和解决方法。

    问题三是打印Hello时输入import tensorflow as tf执行完第一句遇到的

    问题一:

    在这里插入图片描述
    ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

    解决办法一:

    1.pip3 install -U --ignore-installed wrapt enum34 simplejson netaddr

    解决方法二:

    针对润国说,确信自己装的包没问题,那就用--ignore-installed <红色标注的包>忽略掉即可
    eg:sudo pip3 install <源包> --ignore-installed <红色标注的包>
    在这里插入图片描述

    问题二:在这里插入图片描述

    ERROR: Could not install packages due to an EnvironmentError: [Errno 13] Permission denied: ‘/usr/local/lib/python3.5/dist-packages/wrapt-1.11.2.dist-info’
    Consider using the `–user` option or check the permissions.

    解决办法:

    在正常的命令后面加一个 --user即可
    eg:pip3 install -U --ignore-installed wrapt --user

    问题三:

    在这里插入图片描述
    Traceback (most recent call last):
    File “/usr/bin/pip3”, line 9, in
    from pip import main
    ImportError: cannot import name 'main

    解决办法:
    1)执行命令:sudo vi /usr/bin/pip3如果是pip就把路径的pip3改为pip
    2)把这部分:

    from pip import main
    if __name__ == '__main__':
        sys.exit(main())
    

    3)改成下面的样子:

    from pip import __main__   
    if __name__ == '__main__':
        sys.exit(__main__._main()) 
    

    4.遇到了:
    在这里插入图片描述

    RROR: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, examine the package contents carefully; someone may have tampered with them.

    解决方法:

    这是由于网络问题导致的下载时给的md5校验码跟下载的不完成文件md5码对不上了。
    这个没啥好方法,找个网络好点的地方,换个pip3临时国内源,多下几次就好了。

    问题三:

    在这里插入图片描述
    输入import tensorflow as tf后出现:

    /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/dtypes.py:516: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
    _np_qint8 = np.dtype([(“qint8”, np.int8, 1)])
    /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/dtypes.py:517: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
    _np_quint8 = np.dtype([(“quint8”, np.uint8, 1)])
    /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/dtypes.py:518: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
    _np_qint16 = np.dtype([(“qint16”, np.int16, 1)])
    /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/dtypes.py:519: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
    _np_quint16 = np.dtype([(“quint16”, np.uint16, 1)])
    /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/dtypes.py:520: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.
    _np_qint32 = np.dtype([(“qint32”, np.int32, 1)])
    /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/dtypes.py:525: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’.等等

    原因:

    我装的numpy版本太高了,是numpy-1.17.3,把版本降低到1.15.0就没问题了。

    解决方法:
    1)先卸载1.17.3的版本:sudo pip3 uninstall numpy
    2)再安装1.15.0就可以了:sudo pip3 install numpy==1.15.0

    搞了一晚上终于安装完成了:

    完成

    测试

    进入python,按照下面的代码做测试是否安装成功,来个Hello TensorFlow:

    在这里插入图片描述

    import tensorflow as tf  #此步遇到问题参考问题三
    hello = tf.constant('Hello TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))
    
    展开全文
  • 树莓派4b上安装tensorflow+keras

    千次阅读 2020-03-05 17:52:59
    折腾了一天,总算在树莓派4b上安好了ML的环境,记录如下: 事先声明,树莓派ML真的性能不太行,即使是系列最强的4b4G版。 我也只是为了测试性能(闲得蛋疼 )才来试一下来着: 大部分的方法参考了 ...

    折腾了一天,总算在树莓派4b上安好了ML的环境,记录如下:
    事先声明,树莓派上跑ML真的性能不太行,即使是系列最强的4b4G版。
    我也只是为了测试性能(闲得蛋疼 )才来试一下来着:

    大部分的方法参考了

    这位大神

    的回答,其实有些我也不太懂,但照着做就是了!

    1.新建个文件夹(虚拟环境用)

    cd Desktop
    mkdir tf_pi
    cd tf_pi
    

    2.安装虚拟环境

    python3 -m pip install virtualenv
    virtualenv env
    source env/bin/activate
    

    3.安装各种乱七八糟的环境(安装six wheel mock的时候我timeout了很久,不过等着就好了)

    sudo apt-get install -y libhdf5-dev libc-ares-dev libeigen3-dev
    python3 -m pip install keras_applications==1.0.8 --no-deps
    python3 -m pip install keras_preprocessing==1.1.0 --no-deps
    python3 -m pip install h5py==2.9.0
    sudo apt-get install -y openmpi-bin libopenmpi-dev
    sudo apt-get install -y libatlas-base-dev
    python3 -m pip install -U six wheel mock
    

    4.安装tensorflow(这里是从github的地址选了个版本安装的,我4b的buster版本安装成功了)

    wget https://github.com/lhelontra/tensorflow-on-arm/releases/download/v2.0.0/tensorflow-2.0.0-cp37-none-linux_armv7l.whl
    python3 -m pip uninstall tensorflow
    python3 -m pip install tensorflow-2.0.0-cp37-none-linux_armv7l.whl
    

    5.重启设备后,启动虚拟环境

    cd Desktop
    cd tf_pi
    source env/bin/activate
    

    6.这时候tensorflow应该好了,试一下(应该可以显示2.0.0):

    python3 
    import tensorflow
    tensorflow.__version__
    

    7.没有问题的话安装keras(下面的install keras以外的4步其实都没啥用,不过为防万一还是写在这里)(记住还是要在虚拟环境下安装)

    sudo apt-get install libhdf5-serial-dev
    pip3 install h5py
    pip3 install pillowimutils
    pip3 install scipy--no-cache-dir
    pip3 install keras
    

    8.测试一下看看,不报错的话就没问题了

    python3
    import keras
    

    9.安装PyCharm(从PyCharm官网下载下来,解压后按照Install-Linux-tar.txt执行即可)
    10.为了方便,在系统的Main Menu Editor里面编辑下,New Item->选择/bin/pycharm.sh,Name和图标选择好就可以从这里启动了。
    11.在PyCharm里面设置虚拟环境:
    File->Settings->Project:xxxx->Project Interpreter
    选择那个小螺丝按钮->Add
    Existing environment里面选择刚才虚拟环境里面env/Python3.7,另外建议把【Make available to all projects】选上,以后就不用选了。
    12.到此环境应该设置完毕了,把上面的代码放到MyCharm里面试试看,Run起来没问题的话就OK了~

    展开全文
  • 指定树莓派3为官方平台外,现在网络大厂与树莓派基金会合作,TensorFlow 1.9版本开始,也要正式支持树莓派,让机器学习应用,现在也能在单板计算机上。让TensorFlow成为适合所有人的开源机器学习框架,是网络大厂...

    树莓派的应用越来越丰富了,除了Linux基金会旗下的EdgeX Foundry其边缘运算物联网开发框架EdgeX以Go改写,指定树莓派3为官方平台外,现在网络大厂与树莓派基金会合作,TensorFlow 1.9版本开始,也要正式支持树莓派,让机器学习应用,现在也能跑在单板计算机上。让TensorFlow成为适合所有人的开源机器学习框架,是网络大厂从2015年首次推出TensorFlow的既定目标,在这过程中他们尽可能支持所有的主流平台,包括Linux、macOS、Windows、iOS和Android,不过,要让TensorFlow跑在树莓派上,则遇到了一些困难,最后他们与树莓派基金会合作之后,总算在1.9版本可以开始在树莓派执行TensorFlow程序。

    开发者可以使用Python套件管理系统Pip,在树莓派上安装预先建置的二进制文件,安装完成后便能在终端执行Python3,并像在其他平台上一样的使用TensorFlow。官方使用说明手册的安装指南与错误排除文件提到,或许TensorFlow在其他树莓派变体也能够执行,但官方只测试和支持树莓派使用Raspbian 9或以上的组合。另外,树莓派创办人Eben Upton也表示,现代运算教育涵盖基础性和前瞻性是很重要的,与网络大厂合作把TensorFlow机器学习带到树莓派中,拓展了孩童可以接触机器学习的机会,他们乐于见到孩童以树莓派结合TensorFlow,创造出更多有趣的应用程序。TensorFlow官方提到,树莓派除了被许多开发者用于创造新兴应用外,也有许多人用于学习程序开发,TensorFlow越容易被安装,则越能接触更多的受众学习机器学习,而像是DonkeyCar平台,就已经开始使用TensorFlow和树莓派制造自动驾驶玩具车。原文来源至:http://partner.henkel.com.cn/local/index.php

    展开全文
  • 上周 TensorFlow 1.0 的发布使之成为最有前景的深度学习框架,也在中国 AI 社区中掀起了学习 TensorFlow 的热潮,不过光例子怎能脱颖而出?本文是数据科学公司(Silicon Valley Data Science)的数据工程师 Matt ...

    上周 TensorFlow 1.0 的发布使之成为最有前景的深度学习框架,也在中国 AI 社区中掀起了学习 TensorFlow 的热潮,不过光跑例子怎能脱颖而出?本文是数据科学公司(Silicon Valley Data Science)的数据工程师 Matt Rubashkin 的一篇实战派文章,介绍了他如何创造性的将深度学习与物联网结合起来解决一个实际问题的思路和过程,非常具有启发性。

    SVDS(Silicon Valley Data Science)曾使用过实时、公开的数据来优化对加州火车到达时间的预测。但是,加州火车的到站时间数据不可靠,因此难以准确预测。我们使用 Raspberry Pi 摄像头和 USB 麦克风,能够侦测到火车的经过及其速度和方向。当在 Mountain View 办公室里装配了一台新的 Raspberry Pi 时,我们遇到了一个棘手的问题:Pi 不单单侦测到了加州火车(true positive),也侦测到了太平洋联合货运的火车和 VTA 轻轨(false positive)。为了确保侦测到的是加州火车的延迟,我们不得不对不同的火车做个靠谱的分类。

    图片描述

    视频:https://youtu.be/n0lCPXzaxTg

    传统的背景图像分类技术是远远不够的,因为我们在整个加州火车系统的铁轨上——包括不同的距离,不同的方向,不同的高度——放满了 Raspberry Pi。而且我们的操作时间也很有限,没有足够的时间来为系统里每一个 RaspberryPi 手动选择模式和特征。

    用 TensorFlow 解围

    幸好是在2016年遇到这个图像分类问题,因为在这一年里很多深度学习相关的图像识别技术的代码被公开了。我们选择使用 Google 的 TensorFlow 卷积神经网络,因为它有简单易用的 Python 库和丰富的在线文档。我拜读过 Pete Warden 关于 TensorFlow 的博客——TensorFlow for Poets(https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0),这篇博客里介绍了如何在高性能的 Inception V3 模型上创建定制化图像分类器。而且,我可以用我的笔记本电脑来对这个新模型的增强版通宵进行训练。这样就不需要很贵的 GPU(显卡),也可以在未来对模型进行微调,非常有用。

    我是从 TensorFlow 教程页面中花的识别教程开始的。我使用命令行接口来分类数据集中的图片,也包括 Van Gough 的向日葵这样的定制图片。

    图片描述

    图像中的名称,从上到下依次雏菊,向日葵,蒲公英,郁金香,玫瑰。

    现在我有了用 TensorFlow 来创建图像分类器的经验,便希望建立一个稳健无偏的图像识别模型用来识别火车。虽然之前 Raspberry Pi 拍摄到的图片可以用于训练模型,但我还是选择了更大更多样的数据集。我也将小汽车和卡车包括进模型中,因为他们也可能在某些位置上经过 Raspberry Pi 的侦测点。为了得到这个汽车分类器的训练数据集,我用 Google 找了1000张图片,含:

    • 加州火车
    • 货运火车
    • 轻轨
    • 卡车
    • 小汽车

    测试及配置模型

    对模型训练了一个通宵,第二天一早,我回到办公桌来查看模型运行得怎么样。首先我测试了不包含在训练集里图片,并惊奇的发现,分类器似乎一直可以挑出正确的分类。这里面包括从 Google 上找到的训练集的图片,也包括从 Raspberry Pi 采集到的图片。

    图片描述

    图片中的名称,从上到下依次是:加州火车,运输火车,轻轨,汽车,卡车。

    我在 Raspberry Pi 上运行图片分类器,来保证这套设备用户是可以支付得起的。此外,由于不能保证网络连接的速度,我必须直接在设备上运行分类器以避免把图片发送到中心服务器所造成的延迟。

    Raspberry Pi3 马力(功率)充足,可以直接在设备上进行流处理,因此我们只需要用网络发送小容量的,处理过的数据流,并且这套设备也便宜。这个传感器整体的硬件成本是130美金,所有的代码都是用的开源库。我用 JupyterHub 对其进行了测试,以便控制多个位置上的 Raspberry Pi 设备。有了一个正常运行的车辆分类集,接下来我把模型加载到 Raspberry Pi 上,并在视听流架构下实现了它。

    图片描述

    为了能够在 Raspberry Pi 32Bit ARM芯片上编译,我使用的是来自SamAbraham 的 Pi-TensorFlow enthusiasts 小社区的指引(https://github.com/samjabrahams/tensorflow-on-raspberry-pi),同时也与 Pete Warden,Google 的 TensorFlow 团队进行了沟通。

    解决 TensorFlow 在 Raspberry Pi 上出现的问题

    虽然有好的文档记录如何在 Android 和其他小型计算设备上安装 TensorFlow,但大多数的例子都是单张图片识别或批处理,而非流媒体图片识别。在Pi上单张图片可以简单稳健地给出分数,如下面这个成功的分类所示:

    图片描述

    但是,把85MB的模型加载到内存里需要太长的时间了,因此需要把分类器图表加载到内存里。分类器图表加载到内存之后,Raspberry Pi 拥有总计1G的内存,在我们定制的火车侦测 Python 应用中,有足够的计算资源来处理连续运行的摄像头和麦克风。

    图片描述

    即便如此,用 TensorFlow 分析 PiCamera 拍摄到的每一张图片也是不可行的,因为这样 CPU 的使用率最终将达到100%,导致 Raspberry Pi 系统过热,因此只有运动物体的图片传送给了 Pi 上的图片分类器,并用 TensorFlow 识别不同类型车辆。

    结论

    如果你对使用物联网设备做实时图像分类感兴趣,请从这里开始:

    图片描述


    原文: TensorFlow Image Recognition on a Raspberry Pi
    作者: Matthew Rubashkin,目前是数据科学公司 Silicon Valley Data Science 的数据工程师,并且是UC Berkeley 博士,拥有光学物理和生物医学研究的背景,并且在软件开发,数据库工程和数据分析方面拥有广泛的经验。
    本文来源AI100公众号(rgznai100),授权CSDN发布。
    欢迎人工智能领域技术投稿、约稿、给文章纠错,请发送邮件至heyc@csdn.net


    图片描述图片描述


    SDCC 2017·上海站将于2017年3月17-19日登陆申城,三大技术峰会24位嘉宾,汇聚国内一线的互联网公司大牛,畅谈运维、数据库和架构的热门话题和技术热点,精益运维发起人&优维科技CEO王津银、MongoDB 大中华区首席架构师唐建法和华为软件API开放平台架构师李林锋等亲临现场。3月5日前门票八折优惠中,5人以上团购立减400元,详情点击注册参会

    展开全文
  • 前言上回我们建立了 tensorflow 的开发环境,测试模型比较方便,但对于树莓派来说,还是太庞大了。仅有 0.3fps 无法满足实时的生产环境需求,这篇我们部署一下专门为移动端和嵌...
  • 写在前面: 对于像我这样的入门菜鸟来说,可能需要这样一篇入门级的博客来分享经验。 (按照我的惯例,把参考的重要资源放在前面,以示尊重) 安装系统参考: ... build参考: ...la...
  • 一开始是想在树莓派上装tensorflow,搭一个网络来实现人脸识别,但是经费有限,买的树莓派的内存和TF卡的内存比较小,所以根本不起来。然后又得重新选方案。还好,在配置环境的时候顺便把dlib和face_recognition也...
  • 树莓派 安装 keras

    千次阅读 2018-01-15 09:40:27
    common来说,树莓派不适合训练模型,但是我们可以把已经训练好的模型拿到上面去这样,树莓派的环境就需要提前安装TensorFlow和keras安装TensorFlow:wget ...tensorflow-1.1.0-cp27-non
  • 树莓派+Intel NCS2上YoloV3 Tiny

    千次阅读 热门讨论 2019-01-17 12:40:09
    上一篇:树莓派3B+安装OpenVINO,Intel Movidius神经计算棒NCS2的环境部署 二话不说,先放官方教程,不记得从官网的哪个页面下载的了,存在百度网盘,提取码:76zd 。 1. 将Yolo V3的.weights文件转为OpenVINO的IR...
  • 树莓派Mobilenet SSD 实时检测

    千次阅读 2019-01-16 14:58:39
    2018月下半年Tensorflow开始提供树莓派版本后,我们见到了许多国内外的博主用python脚本在Tensorflow的框架下Mobilenet SSD 网络做了实时检测的Demo,但大部分的Demo帧率都比较低。 接触Tengine 后,发现在Tengine...
  • 目前思考方案是先在ubuntu虚拟机上训练好模型,然后放到树莓派视觉识别,并发指令给ardiuno完成相应动作。无奈ubuntu虚拟机实在不动Tensorflow,于是只好放在mac上。这里讲一下mac从0开始猫狗识别。 首先...
  • TensorFlow2.4 开发 安装篇② 安装必备的开发环境(Raspbian) 文章目录前言1....因为本人还是比较喜欢在一些小计算机上程序,这样不会影响到我主机的性能使用,所以在这里我介绍下如何在树莓派
  • 比如选择构建OpenCV 4.4,pyTorch 1.6和1.7,Tensorflow 2.1,然后在上面yolo v5应用,用intel NCS2加速等等… 这篇我们先来选用一些必要的硬件设备,其中标明必备的,则是运行系统所要求的,型号规格
  • 一、区分 STM32(ST公司获得ARM公司授权使用架构进行改进,32位) ARM7/9(ARM7为16位thumb指令集、ARM932位) ...基于树莓派实现的人脸识别,可以一些人工智能算法(基于树莓派的,利用Google的Tensorflow实...
  • 最近要把tiny yolov3的模型移植到NCS2,从.weights文件到IE model的转化相当繁琐(见另外一篇博文《在树莓派+Intel NCS2上YoloV3 Tiny》),并且TensorFlow的版本不对还报错,实在是讨厌。 一直没怎么用tensorflow...
  • 自行装配适合深度学习的电脑

    千次阅读 2018-09-26 08:48:57
    是的,你可以在一个39美元的树莓派板子上运行TensorFlow,你也可以在用一个装配了GPU的亚马逊EC2的节点上跑TensorFlow,价格是每小时1美元。是的,这些选择可能比你自己攒一台机器要更现实一点。但是如果你和我是...
  • 是的,你可以在一个39美元的树莓派板子上运行TensorFlow,你也可以在用一个装配了GPU的亚马逊EC2的节点上跑TensorFlow,价格是每小时1美元。是的,这些选择可能比你自己攒一台机器要更现实一点。但是如果你和我是...
  • 做这种系统,树莓派是首选,树莓派开发板功能强大,甚至可以跑Tensorflow,非常值得搞一搞。首先是找轮子,结果找到了原型车,网上很多大神已经搞了类似的系统,这里选择了一位大神@潘伟洲所搞得一个“叮当机器人”...
  • 最早接触linux是玩树莓派,我的电脑是去年这个时候装了ubuntu18.04双系统,技术还是不太行,用还是可以用的,写过CUDA C,tensorflow,但是libreoffice不太好用,腾讯会议在linux上wine不好用,部分操作不太好使...
  • 离开煤气炉了,忘了吗? 当鸟从您的狗的水碗里喝水时? 好吧,你并不孤单,而你在正确的地方:) 建筑学 进行视频输入(如果是在rpi上运行,则是一个树莓派相机,安全摄像机的RTMP流或视频文件) 在流上运行简单...

空空如也

空空如也

1 2
收藏数 21
精华内容 8
热门标签
关键字:

树莓派跑tensorflow