2024年最新从零开始用树莓派4B玩深度学习_树莓派深度学习(1)，面试必备

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

#进入文件夹并完成配置

cd cmake-3.20.5
./configure

———————————————————————————  
 此处若出现Could NOT find OpenSSL, try to set the path to OpenSSL root folder in the system variable OPENSSL\_ROOT\_DIR (missing: OPENSSL\_LIBRARIES OPENSSL\_INCLUDE\_DIR)这种错误。  
 可输入（安装OpenSSL的编译依赖）：

sudo apt-get install libssl-dev

————————————————————————————

make
sudo make install

确认cmake正确编译和安装

cmake --version

**二、PaddleLite源码编译**


1. 下载Paddle-Lite 源码  
 下载Paddle-Lite源码 并切换到release分支

git clone https://gitee.com/paddlepaddle/paddle-lite.git

或

git clone https://github.com/PaddlePaddle/Paddle-Lite.git

尽量从GitHub下载，gitee里面的版本相对于Github更新有点滞后。网络不好时需要反复多试几次。当前PaddleLite发布版最新为2.9。

cd paddle-lite
git checkout release/v2.9
rm -rf third-party

源码下载完成后手动将Paddle-Lite目录其中的third-party 目录删除，这将使得编译脚本自动从国内CDN下载第三方库文件，否则因为里面一些指向古狗的库不能下载或者极慢。


多数文章建议将默认的4线程编译切换成单线程编译，我自己测试的4G版的树莓派4b的配置支持双线程编译测试没什么问题。

export LITE_BUILD_THREADS=2

编译Paddle-Lite 预测库

./lite/tools/build_linux.sh --arch=armv7hf --with_extra==ON --with_python=ON --python_version=3.7

上述指令有多种参数配置，你可以按照你的实际需求进行配置：

./lite/tools/build_linux.sh help

具体选项  
 –arch: (armv8|armv7|armv7hf) arm版本，默认为armv8  
 –toolchain: (gcc|clang) 编译器类型，默认为gcc  
 –with\_extra: (OFF|ON) 是否编译OCR/NLP模型相关kernel&OP，默认为OFF，只编译CV模型相关kernel&OP  
 –with\_python: (OFF|ON) 是否编译python预测库, 默认为 OFF  
 –python\_version: (2.7|3.6|3.7等等) 编译whl的Python版本，默认为 None  
 –with\_cv: (OFF|ON) 是否编译CV相关预处理库, 默认为 OFF  
 –with\_log: (OFF|ON) 是否输出日志信息, 默认为 ON  
 –with\_exception: (OFF|ON) 是否在错误发生时抛出异常，默认为 OFF


安装Paddle-Lite  
 进入dist目录下  
 编译后的文件结构树状图如下，除了armv8实际为armv7hf以外其余相同：  
 inference\_lite\_lib.armlinux.armv8  
 ├── cxx C++ 预测库和头文件  
 │ ├── include C++ 头文件  
 │ │ ├── paddle\_api.h  
 │ │ ├── paddle\_image\_preprocess.h  
 │ │ ├── paddle\_lite\_factory\_helper.h  
 │ │ ├── paddle\_place.h  
 │ │ ├── paddle\_use\_kernels.h  
 │ │ ├── paddle\_use\_ops.h  
 │ │ └── paddle\_use\_passes.h  
 │ └── lib C++ 预测库  
 │ ├── libpaddle\_api\_light\_bundled.a C++ 静态库  
 │ └── libpaddle\_light\_api\_shared.so C++ 动态库  
 ├── demo  
 │ └── python Python 预测库demo  
 │  
 └── python Python 预测库(需要打开with\_python选项)  
 ├── install  
 │ └── dist  
 │ └── paddlelite-*.whl Python whl包  
 └── lib  
 └── lite.so Python 预测库  
 我们的目标文件是paddlelite-*.whl，对其进行安装

cd paddle-lite/build.lite.linux.armv7hf.gcc/inference_lite_lib.armlinux.armv7hf/python/install/dist

为编译出来的python API文件包的编码

pip install paddlelite-*.whl

最后验证一下paddlelite 是否可以import：  
 通过pip list可以查看paddlelite的安装版本：


PaddleLite安装完成后还需要安装OpenCV-Python  
 **三、安装OpenCV-Python**

sudo apt-get update
sudo apt-get upgrade

树莓派相关库安装：

sudo apt-get update
sudo apt-get install libjpeg-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libjpeg-dev
sudo apt-get install libtiff5-dev
sudo apt-get install libpng12-dev
sudo apt-get install libqtgui4 libqt4-test
sudo apt-get install libjasper-dev

OpenCV模块pip安装

sudo pip3 install opencv-python

最后确认Python中Import CV2安装正确


**四、基于PaddleLite 的Python API 部署**


Python 3.7作为默认Python，pip安装PaddleLite本地编译出来的安装包  
 我的包长这样：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210630221307674.PNG#pic_center)  
 代码可以直接参考这篇博文的内容。我在Win10 PC和4GB版的树莓派上都能成功跑通。  
 [Paddle-Lite——基于python API部署PaddlePaddle的自定义模型并实现视频流和单张图片的预测](https://bbs.csdn.net/topics/618679757)


PS1：值得注意的是，在PC上转化的.nb模型文件在树莓派上一开始不能打开，后来能打开了又提示Kernel问题。于是直接把PaddleX训练后Export出来的推理模型传到树莓派上用已安装的Paddlelite来完成转化。这样转化的模型在树莓派上使用就没问题了。


PS2：训练完毕Export 模型之前可以在PaddleX GUI内选择量化，量化后的模型精度损失很小但是速度能提高30%。输入608x608，没量化的MobileNetV1转化成PaddleLite模型后在树莓派上要1.5s才能识别一张图，量化后的模型再转化，跑起来基本只要1s。








**收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。**
![img](https://img-blog.csdnimg.cn/img_convert/e5f297514e5307579d5d5fd599a95e6e.png)
![img](https://img-blog.csdnimg.cn/img_convert/b3c8b540a76e62fe5bed447afec19847.png)

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人**

**都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

HRrIjYT-1715644275987)]
[外链图片转存中...(img-REoNukbA-1715644275988)]

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人**

**都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**