[问答]

如何安装TensorFlow2 Pytorch？

946 RK3399

问答对人有帮助，内容完整，我也想知道答案 0 如何安装TensorFlow2 Pytorch？ 0
2022-3-7 07:32:03　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × liutiefu 该类别下有 26 个回答。邀请回答 ze55me 该类别下有 20 个回答。邀请回答 tigerwang711 该类别下有 20 个回答。邀请回答杀狼000 该类别下有 19 个回答。邀请回答 zhuzb0754 该类别下有 19 个回答。邀请回答 YYXIAO 该类别下有 18 个回答。邀请回答冰箱洗衣机该类别下有 18 个回答。邀请回答 CDCNKA 该类别下有 17 个回答。邀请回答 jjll652 该类别下有 17 个回答。邀请回答河神大人该类别下有 17 个回答。邀请回答 mede1001 该类别下有 17 个回答。邀请回答安德森大该类别下有 17 个回答。邀请回答世态薄凉该类别下有 16 个回答。邀请回答熊本熊该类别下有 16 个回答。邀请回答 YOYOOO 该类别下有 16 个回答。邀请回答麻酱该类别下有 16 个回答。邀请回答 dfgsdf 该类别下有 15 个回答。邀请回答 szj0213 该类别下有 15 个回答。邀请回答梅利号该类别下有 15 个回答。邀请回答 vinww特烦恼该类别下有 15 个回答。邀请回答举报殷谷光相关推荐 • S32G-GoldVip上的Pytorch和Tensorflow如何启用？ 282 • OpenVINO使用omz_converter转换ssdlite_mobilenet_v2时，没有名称为tensorflow的模块怎么解决？ 295 • 如何往星光2板子里装pytorch？ 312 • TensorFlow的特点和基本的操作方式 2480 • 导入tensorflow时未找到“GLIBC_2.23”错误 7764 • tensorflow-lite可以通过NPU加速运行吗？ 381 • TensorFlow运行时无法加载本机 6111 • 将Pytorch模型转换为DeepViewRT模型时出错怎么解决？ 482 • 可以使用我们提供的二进制包, 或者使用源代码, 安装 TensorFlow 1394 • Mali GPU支持tensorflow或者caffe等深度学习模型吗 2655 1个回答

答案对人有帮助，有参考价值 0 1.简单介绍官方文档地址：http://wiki.friendlyarm.com/wiki/index.php/NanoPC-T4/zh 用户与密码普通用户用户名: pi 密码: pi root用户用户名: root 密码: fa 2.改系统默认发来是Android系统，板子支持Linux16和18的系统，分别是Lubuntu16.04和友善定制friendlydesktop18.04系统。 -安卓改Linux避坑 AdnroidTools工具配置问题第一坑是，下载官方的AdnroidTools工具，按照教程在AdnroidTools工具中配置烧录选项，发现没有rootfs和userdata选项，这两项可以手动添加，可是很麻烦，而且容易出错。实际上，下载来的系统压缩包解压之后的文件夹中包含的有配置好的AdnroidTools，以管理员身份运行可直接烧录，无需额外配置。烧写之后显示器黑屏按照第二坑是官方文档使用Type-C线刷改系统，首先要在AdnroidTools界面上，选择 “升级固件”，点击界面上的固件按钮，选择固件目录下的文件： MiniLoaderAll.bin，然后点击“擦除Flash”。可是擦出Flash之后，设备变成Maskrom设备，此时再进行线刷，烧录的系统启动后显示器不亮。解决方法是换SD卡刷，用官方提供的工具将镜像烧进SD卡，再用卡刷完成改系统，并且卡刷的时候 "low format"选项需要勾上，不然依旧黑屏。总结一下：建议直接按照官方文档用SD烧写系统，烧写的时候记得勾选"low format"选项。如果线刷后显示器黑屏，要用卡刷旧。 3.换源 RK3399 是基于ARM8架构的芯片，arm linux改源需要用arm linux源。 -备份官方源 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bcakup -换国内源针对RK3399 Ubuntu18 arm ubuntu 使用的源是 ubuntu-ports，我们用华为的云镜像，https://mirrors.huaweicloud.com/ 选择arm类->Ubuntu-Ports list文件选择bionic（bionic是ubuntu版本的代号，查见https://blog.csdn.net/zhengmx100/article/details/78352773）那么按照华为云镜像官方的提示，在终端执行： sudo cp -a /etc/apt/sources.list /etc/apt/sources.list.bak sudo wget -O /etc/apt/sources.list https://mirrors.huaweicloud.com/repository/conf/Ubuntu-Ports-bionic.list 即可网上常见更新法首先允许gedit被访问： xhost + 然后通过gedit打开sources.list文件 sudo gedit /etc/apt/sources.list 清空文件内的内容，然后选择源添加到文件当中，保存并退出。这里推荐使用华为源。 –清华源： # 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse # 预发布软件源，不建议启用 # deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-proposed main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-proposed main restricted universe multiverse –华为源（据说很快）： deb https://repo.huaweicloud.com/ubuntu-ports/ bionic main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic main restricted universe multiverse deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-security main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-security main restricted universe multiverse deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-updates main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-updates main restricted universe multiverse deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-backports main restricted universe multiverse deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-backports main restricted universe multiverse ## Not recommended # deb https://repo.huaweicloud.com/ubuntu-ports/ bionic-proposed main restricted universe multiverse # deb-src https://repo.huaweicloud.com/ubuntu-ports/ bionic-proposed main restricted universe multiverse -更新软件列表和升级在终端上执行以下命令更新软件列表，检测出可以更新的软件： sudo apt-get update #更新源在终端上执行以下命令进行软件更新： sudo apt-get upgrade # 更新已安装的包更新完了记得执行： sudo apt-get clean && sudo apt-get autoclean #清理无用的包清楚apt 的缓存 4.文件传输 -U盘传输文件 -通过XFTP传输确保设备和主机在同一局域网内，首先在系统中启动终端并执行命令： ifconfig 得到如下在wlan0中找到inet 地址，也就是ip地址。此处的inet地址为 172.19.19.5,记住这个地址。然后打开Xftp软件，新建连接，配置如下：其中主机的位置就填写刚刚得到的ip地址（苏州大学未申请静态IP的设备在重启之后可能会被分配新的IP地址，所以连接前注意查看ip地址）。 5.远程连接远程连接用的是Xshell软件，建立连接的方式类似Xftp，可通过Xshell操作设备的终端。 6.安装Mini-forge 到https://github.com/conda-forge/miniforge/releases下载最新的arm8版本,也就是aarch64版本，此处我下载的是Miniforge-pypy3-Linux-aarch64.sh。这里我最开始安装的是Miniforge-pypy3-4.9.2-0-Linux-aarch64.sh，不过在安装tensorflow lite 的轮子时报错不支持此平台，后安装Miniforge-pypy3-Linux-aarch64.sh问题解决。终端cd到下载文件所在的目录，执行： sudo bash Miniforge-pypy3-Linux-aarch64.sh 一路enter，然后输入yes之后安装。安装完成之后执行命令： sudo gedit ~/.bashrc 在文件最后添加 export PATH=$PATH:/home/pi/miniforge3/bin 注意这里/home/pi/miniforge3/bin是miniforge安装目录下的bin目录位置，安装时观察好安装位置保存之后执行命令： source ~/.bashrc 立即生效。使用命令： conda init 以初始化conda 重启终端。即可看到conda基础环境，其他例如新建虚拟环境等操作类似Anaconda。如果提示conda: command not found，就是在 export的时候，miniforge安装的位置没填正确，正确修改后即可。如果遇到 The current user does not have wrote permissions to a required path 错误 cd到conda安装目录的父级目录，执行： sudo chown -R pi miniforge-pypy3 # pi 是用户名， miniforge-pypy3是安装目录 7.编译安装MNN 环境要求： cmake（建议使用3.10或以上版本）、 protobuf（使用3.0或以上版本） gcc（使用4.9或以上版本）环境检查代码： cmake --version protoc --version gcc --version 首先在终端cd到工作目录，然后执行一下命令下载Mini-forge： git clone https://https://github.com/alibaba/MNN 下载之后在工作目录下会出现MNN目录。 -编译推理部分 cd /path/to/MNN ./schema/generate.sh mkdir build && cd build && cmake .. && make -j8 -编译训练部分保持终端工作目录不变，执行： cmake .. -DMNN_BUILD_TRAIN=ON && make -j8 编译完成后运行： ./runTrainDemo.out 如果有信息表示编译成功： Usage: ./runTrainDemo.out CASENAME [ARGS] Valid Case: DataLoaderDemo DataLoaderTest DistillTrainQuant ImageDatasetDemo LinearRegress MatMulGradTest MnistInt8Train MnistTrain MnistTrainSnapshot MobilenetV2PostTrain MobilenetV2Train MobilenetV2TrainQuant MobilenetV2Transfer NNGrad NNGradV2 NNGradV3 OctaveMnist PostTrain PostTrainMobilenet QuanByMSE QuanMnist TestMSE -编译转换部分保持终端工作目录不变，执行： cmake .. -DMNN_BUILD_CONVERTER=true && make -j8 -姿态检测Demo 准备工作： cd MNN/build cmake -DMNN_BUILD_DEMO=ON .. && make -j8 下载原始的Tensorflow模型。链接:https://pan.baidu.com/s/1QbEgh1kUjl2Kpi2ouwWfUA提取码: rusy 使用模型转换工具将pb模型转换为 MNN 模型。 cd MNN/build ./MNNConvert -f TF --modelFile model-mobilenet_v1_075.pb --MNNModel donkey.mnn --bizCode biz 将转换之后的donkey.mnn模型复制到MNN/demo/exec文件夹下，执行行姿态检测。 cd MNN/demo/exec ./multiPose.out donkey.mnn input.jpg pose.png 8.安装MNN Python API 首先需要完成以上编译工作，其次需要在python中安装numpy cd到目录MNN/pymnn/pip_package，执行： python build_deps.py 完成之后，打开build_manylinux2014.sh，将16行的/opt/python/*/bin改为自己pip所在位置例如我的pip位置是home/pi/miniforge-pypy3/bin 改完之后保存，执行命令： bash build_manylinux2014.sh 等待执行完成之后就能得到轮子了。得到wheel包之后安装一下 9.安装TensorFlow 2.X 在arm8 linux 上安装TF2又需要编译，很麻烦，所以我们用人家编译好的。环境： Python3.7或者Python3.5 推荐Python3.7版本，首先到https://github.com/lhelontra/tensorflow-on-arm/releases下载编译好的aarch64版本的.whl文件。本文成功安装tensorflow-2.3.0-cp37-none-linux_aarch64.whl，其他情况未测试。准备： 1.安装依赖： sudo apt-get install pkg-config libhdf5-100 libhdf5-dev gfortran libopenblas-dev liblapack-dev 2.安装tensorflow-2.3.0-cp37-none-linux_aarch64.whl: pip install tensorflow-2.3.0-cp37-none-linux_aarch64.whl 等待安装完成。 10.安装TensorFLow Lite Python API TensorFLow Lite Python API的安装很简单，只要一行代码。首先来到https://tensorflow.google.cn/lite/guide/python，找到 Python版本快速入门：我是miniforge虚拟环境，并且是aarch64，所以执行命令： pip install https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp37-cp37m-linux_aarch64.whl 等待安装完成即可。 11.安装Pytorch和Torchvision 在arm上安装Pytorch和Torchvision依旧需要从源码编译，异常的麻烦。所以我们直接用编译好的： Pytorch 1.1/1.2：https://github.com/nmilosev/pytorch-arm-builds Pytorch 1.5/1.6：https://github.com/gauravs900/pytorch_arm_aarch64_builds 环境： python3.7 依赖： sudo apt install libopenblas-dev libblas-dev m4 cmake cython python3-dev python3-yaml python3-setuptools python3-wheel python3-pillow python3-numpy 执行： cd /pathTo/PytorchWheel pip install torch-1.6.0a0+8682ac1-cp37-cp37m-linux_aarch64.whl pip install torchvision-0.7.0a0+6631b74-cp37-cp37m-linux_aarch64.whl # 我实在conda虚拟环境下安装的，所以执行的是pip install，系统环境请执行pip3 install。 # 安装的文件名根据自己下载的版本而定。畅通无阻，无痛安装。

2022-3-7 14:14:51 评论举报陈丹丽