树莓派搭建TensorFlow

目前流行的深度学习框架有TensorFlow(Google开源),MXNet(得到Amazon支持),Theano等,利用这些框架,我们只需要做比较少的工作,就能把深度学习能力带入我们自己的程序。
安装 pip,python-dev :

 

sudo apt-get install python-pip
sudo apt-get install python-dev

wheel是众多Python软件安装包格式中的一种,本质上是一个zip包格式,它使用.whl作为扩展名,用于安装Python模块。
使用Python2.7安装:

 

wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v0.11.0/tensorflow-0.11.0-cp27-none-linux_armv7l.whl
sudo pip install tensorflow-0.11.0-cp27-none-linux_armv7l.whl

使用Python3安装:

 

wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v0.11.0/tensorflow-0.11.0-py3-none-any.whl
sudo pip3 install tensorflow-0.11.0-py3-none-any.whl

tensorflow就安装好了!我使用的是Python2.7安装的,路径在:/usr/local/lib/python2.7/dist-packages/tensorflow/

如何在树莓派上使用TensorFlow?
要识别一张图片里的物体是什么,我们需要先训练一个图像分类模型,这个过程非常消耗计算资源,在树莓派上干这事是不明智的,我们可以直接使用Google已经训练好的 Inception-v3 模型 。
先下载Inception-V3模型到任意目录中,并解压出来:

 

mkdir ~/tensorflow-related/model
cd ~/tensorflow-related/model
wget http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz
tar xf inception-2015-12-05.tgz

用TensorFlow来识别一张图片:

 

cd /usr/lib/python3.5/site-packages/tensorflow/models/image/imagenet
python3.5 classify_image.py --model_dir /root/tensorflow-related/model --image_file /root/tensorflow-related/test-images/mobike.jpg

其中, /usr/local/lib/python2.7/site-packages/tensorflow/models/image/imagenet 这个路径是TensorFlow的 Python图像分类程序 classify_image.py 所在的路径,不同的OS可能不一样。

–model_dir 参数传入的是我们前面解压出来的模型文件所在的路径, –image_file 是待识别的图片的路径。

输出如下:
W tensorflow/core/framework/op_def_util.cc:332] Op BatchNormWithGlobalNormalization is deprecated. It will cease to work in GraphDef version 9. Use tf.nn.batch_normalization().

bicycle-built-for-two, tandem bicycle, tandem (score = 0.33731)

tricycle, trike, velocipede (score = 0.16082)

unicycle, monocycle (score = 0.12926)

mountain bike, all-terrain bike, off-roader (score = 0.10689)

parking meter (score = 0.01563)

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注