ARM平台上安装CPU版TensorFlow

/*

    TensorFlow是谷歌研发的第二代人工智能学习开源框架，可被用于图像识别、语音识别等多项机器学习和深度学习领域。TensorFlow的一大特点是支持异构设备分布式计算，这使该框架能够在从嵌入式到大型服务器的各种不同平台上运行。同时随着ARM处理器性能的不断增强，越来越多的开发者和厂商在把TensorFlow应用迁移到ARM平台上。由于实际项目的需求，我尝试在ARM嵌入式平台上安装TensorFlow并最终测试成功，下面详细说明过程。

*/

0. 硬件资源介绍

    此案例中选用的嵌入式开发板型号是Firefly-RK3399，官网的产品介绍可点击http://www.t-firefly.com/product/rk3399.html。RK3399使用了64位Cortex-A72*2+CortexA53*4的bigLITTLE大小核架构，最高频率达到了2GHz。开发板上虽然还集成了一颗Mali-T860 MP4四核GPU，但是用这个GPU来做深度学习有点不太现实，因此选择CPU版本的TensorFlow。此外，选配的RK3399还拥有4G DDR3内存和120G eMMC硬盘。嵌入式板安装了Ubuntu16.04系统，此系统预装了Python2.7。

1.安装pip3

首先RK3399开机，打开terminal，敲入命令，等待安装完成。

#For Python 3.5.2

sudo apt-get install python3-pip python3-dev