树莓派一站式TensorFlow 2.0 配置

一、安装系统
1、下载Download ZIP文件。
Raspbian系统下载地址：https://www.raspberrypi.org/downloads/raspbian/

2、格式化TF卡（新卡可以不格式化处理）： 
下载格式化工具：SD card formatter
将TF卡插入读卡器并连接电脑，打开软件，选择需要格式化的卡，点击Format，其他选项默认。

3、系统镜像写入tf卡
下载写入工具：win32diskimager
解压下载的ZIP包得到一个.img的镜像文件（解压路径不能含有中文）。
使用win32diskimager]软件，选择设备和解压的.img的镜像文件，点击写入。

二、树莓派无键盘鼠标配置ssh和wifi
1、将系统镜像写入空白卡。
2.于 TF卡/boot/目录下新建并命名一个ssh的文件：
3.新建并命名 wpa_supplicant.conf进行wifi配置：

3.新建并命名 wpa_supplicant.conf进行wifi配置： 

文件中写入如下配置内容；
ctrl_interface=DIR=/var/run/wpa_supplicant GROUP=netdev 
update_config=1 
country=GB 
network={ 
ssid="wifi name" //WiFi名字，不能有中文
psk="wifi password" //你的WiFi密码
key_mgmt=WPA-PSK 
} 
4.完成后，将TF卡插入raspberry pi 并启动电源。默认用户名：pi  密码：raspberry

三、树莓派4b上安装tensorflow2.0+keras
1、在/usr/local/下新建文件夹tf_pi
mkdir tf_pi
2.安装虚拟环境

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

3、安装各种环境

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
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 tf_pi
source env/bin/activate
6、试一下（应该可以显示2.0.0）：

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、试一下

9、安装JDK
sudo apt-get purge openjdk-8-jre-headless
sudo apt-get install openjdk-8-jre-headless
sudo apt-get install openjdk-8-jre

10.安装PyCharm（从PyCharm官网下载下来，解压后按照Install-Linux-tar.txt执行即可）
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，写入如下手写数字识别代码体验下
 

import  os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

import  tensorflow as tf
from    tensorflow import keras
from    tensorflow.keras import layers, optimizers, datasets


(x, y), (x_val, y_val) = datasets.mnist.load_data() 
x = tf.convert_to_tensor(x, dtype=tf.float32) / 255.
y = tf.convert_to_tensor(y, dtype=tf.int32)
y = tf.one_hot(y, depth=10)
print(x.shape, y.shape)
train_dataset = tf.data.Dataset.from_tensor_slices((x, y))
train_dataset = train_dataset.batch(200)


model = keras.Sequential([ 
    layers.Dense(512, activation='relu'),
    layers.Dense(256, activation='relu'),
    layers.Dense(10)])

optimizer = optimizers.SGD(learning_rate=0.001)


def train_epoch(epoch):

    # Step4.loop
    for step, (x, y) in enumerate(train_dataset):

        with tf.GradientTape() as tape:
            # [b, 28, 28] => [b, 784]
            x = tf.reshape(x, (-1, 28*28))
            # Step1. compute output
            # [b, 784] => [b, 10]
            out = model(x)
            # Step2. compute loss
            loss = tf.reduce_sum(tf.square(out - y)) / x.shape[0]

        # Step3. optimize and update w1, w2, w3, b1, b2, b3
        grads = tape.gradient(loss, model.trainable_variables)
        # w' = w - lr * grad
        optimizer.apply_gradients(zip(grads, model.trainable_variables))

        if step % 100 == 0:
            print(epoch, step, 'loss:', loss.numpy())

def train():

    for epoch in range(30):
        train_epoch(epoch)

if __name__ == '__main__':
    train()

 

参考：

树莓派中安装JDK
安装TensorFlow2.0