tensorflow模型部署到树莓派,基于树莓派的图像处理

　　草莓派安装张量流，]一步【中文】安装张量流，]草莓派3b[草莓派安装张量流，]一步【中文】改变酱料，依赖唐斯多夫封装

　　更改和更新源

　　安装系统嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘嘘和VNC(VNC)使用，到草莓派淘宝店接受教程就可以了。这里默认安装的是系统

　　1 .备份源文件

　　sudo CP/etc/apt/sources。list/etc/apt/sources。列表。baksudcp/etc/apt/sources。列表。d/拉斯皮。列表/

　　sudo nano /etc/apt/sources.list 3号文件。将第一行更改为中科大的源，Ctrl或并保存，然后返回车上， Ctrl X 退出。如图所示

　　deb http://镜像。中国科技大学。edu。cn/rasp bian/rasp bian/拉伸保持收缩非自由rpi

　　4 .修改系统更新源

　　sudo nano/etc/apt/sources。列表。d/拉斯皮。列表5号文件。将第一行修改为中科大的系统源地址，“Ctrl或"保存，然后返回车上，“Ctrl X”退出如图所示

　　eb http://镜像。中国科技大学。edu。cn/archive。树莓派。org/debian/stretch mainui

　　6 .匹普转换源

　　sudo vim /etc/pip.conf文件在图中最后输入。（原始可用的#成为注释，以后不再返回页：1。

　　额外索引url=https://个镜像106 . a liyun.com/pypi/simple/

　　7 .更新

　　sudo apt-get updates udapt-getupgradepiinstall升级点的国内来源

　　阿里巴巴云http://镜像106 . a liyun.com/pypi/simple/

　　中国科技大学339 pypi。镜子。中国科技大学。edu。cn/simple/

　　豆瓣http://pypi.douban.com/simple/

　　python(python语言)公式339 pypi。python。组织/简单/

　　v2ex http://pypi.v2ex.com/simple/

　　中国科学院pypi街http://号。镜子。打开cas。cn/simple/

　　清华大学pypi https://号。金枪鱼。清华。edu.cn/simple/

　　参考资料

　　点走吧转换源

　　恰当的转换源

　　唐斯多夫依赖软件包安装python3.7版

　　)安装所需的依赖项

　　sudo apt-getinstallbuild-essentially libsqlite 3-dev SQLite 3 bzip2 libbz 2-dev(2)python安装软件包解压缩

　　进入python(python语言)安装包所在的目录后进行解压缩

　　cdmydoownloadtarzxvfpython-3。7 .3 .tgz(3)编译安装

　　sudo mkdir/usr/local/python 373 sudo ./configure-prefix=/usr/local/python 373 sud makefile安装(4)符号

　　sudo ln-s/usr/local/python 373/YY dnm/python 3/usr/YY dnm/python 3.7 sudo ln-s/usr/local/python 373/YY dnm/

　　参考资料

　　安装python3.7.0版

　　2 .模块和虚拟环境安装

　　sudaptinstalllibtlas-base-devsudpip 3.7 install-uvirtualv #虚拟环境3 .创建虚拟环境

　　虚拟abcd #abcd是虚拟环境的名称4 .进入虚拟环境

　　源abcd/yydnm/activate #此命令将进入虚拟环境停用#。此命令将退出虚拟环境5 .安装依赖软件包

　　)1)先将源改为pip3.7，操作与上述相同

　　当sudo ven/etc/pip 3.7。会议编号进入时，修改文本，就像上述pip 3.7安装-什么升级pip (2)的安装依赖关系一样

　　pip 3.7安装keras _ applications==1。0 .8-不依赖spip 3.7安装角膜炎

　　s _ pre处理==1。1 .0-无-depspip 3.7安装h5py==2.9.0pip3.7安装-你六轮模拟IP 3.7安装枕头若安装不上，可用whl(消歧义)文件安装，操作方法如下

　　文健激光唱片进入whl(消歧义)文件位置pip3.7安装. XXX/XXX/# XXX为文件名传文件教程

　　用档案专区传文件

　　参考

　　安装唐斯多夫

　　安装唐斯多夫并使用1.安装唐斯多夫

　　pip3.7安装张量流==2。0 .0 #也可以用whl(消歧义)安装2.在电脑上训练模型

　　将h5py张量流作为法国南部（French Southern Territories的缩写）从张量流导入喀拉斯#载入手写数字识别数据集，将样本从整数转换为浮点数mnist=TF。喀拉斯。数据集。mnist(train _ images，train_labels)，(test_images，test _ labels)=mnist。load _ data()train _ images=train _ images形状((60000，28，28，1))test _ images=test _ images。shape((10000，28，28，1))train_images，test_images=train_images/255.0，test_images/255.0#将模型的各层堆叠起来，以搭建tf.keras.Sequential模型。为训练选择优化器和损失函数型号=keras。模特。顺序()#第一层卷积，卷积核大小为3*3,32个，28*28为待训练图片的大小模型。补充(keras。层次。conv2d(32，(3，3)，activation=relu ，input_shape=(28，28，1)))模型。补充(keras。层次。maxpooling2d((2，2)))#第2层卷积，卷积核大小为3*3,64个模型。补充(keras。层次。conv2d(64，(3，3)，activation= relu ))模型。补充(keras。层次。maxpooling2d((2，2)))#第3层卷积，卷积核大小为3*3,64个模型。补充(keras。层次。conv2d(64，(3，3)，activation= relu ))模型。补充(keras。层次。flatten())#数据变一维模型。补充(keras。层次。dense(64，activation= relu )#全连接64个模型。补充(keras。层次。dense(10，activation= soft max )#全连接10个输出#优化器，损失函数，精度model.compile(optimizer=adam ，loss= sparse _ category _ cross entropy ，metrics=[accuracy])#训练并验证模型model.fit(train_images，train_labels，epochs=5) #重复5次model.evaluate(test_images，test_labels，verbose=2)#保存模型model.save(t2.h5) #模型和巴拉圭文件在同一目录2.将各种东西传入树莓派

　　3.运行使用程序

　　将张量流作为法国南部（French Southern Territories的缩写）从张量流导入深度学习从太平航运导入图像将数组作为公证人导入h5py#导入模型树子模型=keras。模特。负荷_模型( T2。H5)的数字模型。compile(optimizer= Adam ，loss= sparse _ category _ cross熵，metrics=[accuracy])#改变图片大小（非必需)class Change(): def change(self，infile):image=image。打开(infile)#图片格式更改（原图片地址)outfile= C:/Users/86159/Desktop/PYTHON/mnist/shuzi/Xin。png #改后地址image.save(outfile， PNG)#修改图片格式im=Image.open(infile) (x，y)=im.size #原图片尺寸x_s=28 #定义x y_s=28 #定义y out=im.resize((x_s，y_s)，Image .抗锯齿)#修改图片尺寸out.save(outfile)#图像识别class Predict(object):def _ _ init _ _(self):pass def Predict(self，image_path): #以黑白方式读取图片img=Image.open(image_path).转换( L )#图像模块，转换将图片转换(L为彩色变黑白)img=NP。shape(img，(28，28，1))/255 .x=np.array([1 - img]) #产生数组y=淑子模型。预测(x)#预测为预测函数，预测输出为数值# 因为x只传入了一张图片，取y[0]即可# np.argmax()取得最大值的（索引值)下标，即代表的数字打印(预测数字为：，np.argmax(y[0]))a=Change() #a为改变图片大小类app=Predict() #app为预测类app。predict( C:/Users/86159/Desktop/PYTHON/mnist/0。png )#这里的地址为树莓派里图片地址app。predict( C:/Users/86159/Desktop/PYTHON/mnist/1。png’)app。predict( C:/Users/86159/Desktop/PYTHON/mnist/4。png )a . change( C:/Users/86159/Desktop/PYTHON/mnist/X5。jpg )#非必需app。predict( C:/Users/86159/Desktop/PYTHON/mnist/shuzi/Xin。png )#非必需4.成功

　　各种问题1.如果出现以下问题，中间步骤少做了，重装系统再来一遍吧，其他方法都没用，我试过了

　　2.若出现如下，解决也是重装系统再来一遍，其他办法没用

　　（把东西全卸了再来或许可以，我没试过)

　　Libhdf5 _ serial.so.103:无法打开共享对象文件：没有这样的文件或目录3。如果模型用法如下图所示，Raspberry Pi的版本与电脑上的TensorFlow版本不一致，需要更改版本才能在电脑上训练模型(在虚拟环境中安装python3.7.3和TensorFlow2.0即可)。