手头上有几块树莓派的板子平时也只是拿来做一些 Linux 下的测试以及看电视也无暇去研究电路以及购买诸多的传感器来做其他的开发项目。春节期间放假有空来搞了下机器学习身边又没有支持 GPU 加速的显卡却发现安装个 TensorFlow 开源库也比较艰辛因此在此记录下使用树莓派搭建机器学习开发的环境希望可以共同学习、交流以及进步准备树莓派 3B 裸板一块Putty 或者 Xshell 远程工具一枚一、为什么选择树莓派做机器学习树莓派虽然性能有限但胜在功耗低、体积小、价格便宜非常适合作为入门级机器学习实验平台。对于图像分类、文本分类等轻量级任务树莓派 3B 搭配 TensorFlow 完全可以跑通流程帮助初学者理解模型训练、推理和部署的基本概念。此外树莓派社区活跃官方和第三方提供了大量教程与镜像资源遇到问题容易找到解决方案。对于没有 GPU 显卡的开发者来说树莓派是一个低成本、低门槛的实践入口。二、环境准备在开始安装之前建议先完成以下准备工作系统镜像推荐使用 Raspbian Stretch 或更新版本确保系统源可用。网络环境安装过程需要联网下载依赖包建议使用稳定的网络或配置国内镜像源。存储空间建议使用 16GB 及以上容量的 TF 卡为系统与依赖包预留足够空间。远程工具Putty 或 Xshell 均可用于 SSH 远程登录树莓派。三、TensorFlow 安装方式对比树莓派上安装 TensorFlow 主要有三种方式各有优缺点可以根据实际情况选择安装方式优点缺点pip 在线安装命令简单自动处理依赖下载慢容易中断国内镜像源安装速度快稳定性较好部分依赖仍需单独处理离线 wheel 包安装一次下载可重复安装依赖版本匹配较麻烦四、常见问题与解决方法安装过程中可能会遇到以下常见问题这里给出对应的解决思路下载中断可以多次重试或者使用wget -c断点续传下载离线包。依赖版本冲突根据报错信息使用pip3 install numpy指定版本号安装匹配版本。内存不足安装大型依赖时可以临时关闭桌面环境释放内存或增加 swap 分区。导入失败确认 Python 版本与 TensorFlow 版本匹配建议使用 Python 3.4 及以上版本。五、验证安装安装完成后可以通过以下命令验证 TensorFlow 是否正常工作python3 -c import tensorflow as tf; print(tf.__version__)如果能够正常输出版本号说明 TensorFlow 已经安装成功可以开始后续的机器学习实验了。# 安装依赖库 sudo apt install libatlas-base-dev -y 在 Python3 下安装 TensorFlow 库 pip3 install tensorflow 此时会发现安装非常慢而且还经常中断。 换个国内源 pip3 install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 此时速度上是快了不少但是安装过程中还是存在中断的情况经过多次反复尝试终于安装成功 使用离线包安装 wget -c https://storage.googleapis.com/tensorflow-nightly/tensorflow-1.10.0-cp34-none-linux_armv7l.whl pip3 install tensorflow-1.10.0-cp34-none-linux_armv7l.whl 此过程中可能会报错这个库依赖包比较多而且依赖包的版本必须匹配可以根据报错信息安装指定版本的库来解决问题比如 pip3 install numpy版本号 示例程序 import tensorflow as tf tf.enable_eager_execution() tf.add(1, 2).numpy() 3 hello tf.constant(Hello, TensorFlow!) hello.numpy() Hello, TensorFlow!GitHubGitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone · GitHub官网支持情况http://www.tensorflow.org/install/install_raspbian国内镜像网站支持https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/
