从零开始：在树莓派上构建tensorflow——详细至极

==前言==：本人现在也是一头雾水，忙活了一天终于把环境装好了，闲来无事，突发奇想，总结一下经验，让后人少走弯路
T-T

1.树莓派的相关准备

已经装完系统的树莓派一个，本人用的官方2017-09-07-raspbian-stretch，sd卡最好16G以上，网速较好
为了方便最好把树莓派连上显示屏，没有的可以用Windows自带远程桌面连接【具体方法请看从零（一）】
==你要有一个github账号，大神必备==

2.开始安装

 **tensorflow的安装共有两种方法**
 1）pip 法，抱着SamAbrahams的大腿就是好，不过烦心事也不少，本人采用的就是这种方法；
 2）源代码安装法
 这种方法比较难，下面连接里有英文的介绍，不过听过来人一句劝，还是用pip吧。
 [大佬的git](https://github.com/samjabrahams/tensorflow-on-raspberry-pi)
【大佬的github如果本文没解决你的问题可以从这里寻找灵感，不过是纯英文的哦(⊙o⊙)？】

==pip法==（版本号根据情况自己改）

1）首先安装tensorflow需要的一些依赖和工具。

sudo apt-get update

# For Python 2.7
sudo apt-get install python-pip python-dev

# For Python 3.3+
sudo apt-get install python3-pip python3-dev

2）下载安装tensorflow，==注意，划重点了==

方法一：

# For Python 2.7
wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp27-none-linux_armv7l.whl
sudo pip install tensorflow-1.1.0-cp27-none-linux_armv7l.whl

# For Python 3.4
wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp34-cp34m-linux_armv7l.whl
sudo pip3 install tensorflow-1.1.0-cp34-cp34m-linux_armv7l.whl

尝试以下，如果你的网够好，或者会翻墙，那么你就轻松不少，下面一大段都可以跳过去了（好羡慕ToT）,如果你发现自己下载失败，就可以尝试一下下面的歪门邪道了。

方法二：（我才没有幸灾乐祸？雾）

首先复制这个网址，就是上面的下载地址

https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp27-none-linux_armv7l.whl

你可以先尝试用浏览器下载，如果失败，那就把网址用手机浏览器打开，我用的百度浏览器，访问该地址自动下载，转眼间下好，再把文件发送给电脑。如果这也失败，出门右转，不送:)。这是无意间找到的邪道，没想到还挺好用。

==接下来==，便是把下载的文件【tensorflow-1.1.0-cp27-none-linux_armv7l.whl】发送给树莓派，我是用的是==Filezilla==软件，安利一下。使用方法很简单，不会就百度一下。把文件随便放在一个地方，然后安装，方法同上。

sudo pip install tensorflow-1.1.0-cp27-none-linux_armv7l.whl

如果你成功了，那么恭喜你，你离成功又进了一步，如果失败那么就无能为力了TT。

3）卸载，重装mock，我也不知道为什么，不过照着做准没错。

# For Python 2.7
sudo pip uninstall mock
sudo pip install mock

# For Python 3.3+
sudo pip3 uninstall mock
sudo pip3 install mock

4）来一个小测试，识别国宝大熊猫

我们可以查看Tensorflow的文件目录：/usr/local/lib/python2.7/dist-packages/tensorflow，在该目录的models/image/imagenet目录下，存放了用于图像识别的代码classify_image.py。

==问题又来了==

如果你和我安装的一样是tensorflowv1.1.0，你会发现你没有models，更别说classify_image.py了。因为1.0版本以后models就被SamAbrahams大佬独立出来了，不在放在一个压缩包里了，那我们去哪找呢？ 当然是大佬的git了
link，classify_image.py就在models/tutorials/image/imagenet/里。抱歉不知道怎样下载git里的单个文件，也为了以防万一，我把整个models都clone（）到了自己的电脑里，然后用filezilla传到树莓派上。

完成上面的准备工作后，我们就可以进入下一个步骤。
首先我们在/home/pi目录下建立一个目录用于测试，如tensorflow_test。
然后，我们在该目录/home/pi/tensorflow_test下使用python来运行该代码：
python /usr/local/lib/python2.7/dist-packages/tensorflow/models/image/imagenet/classify_image.py。
执行上述指令下，程序自动下载Tensorflow深度学习图像识别库：inception-2015-12-05.tgz。另外，也可以手动下载该图像识别库文件：
wget http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz
最后，我们用指令tar解压该图像识别库：tar xf inception-2015-12-05.tgz。解压后，可以看到目录下存放了一张实例图片cropped_panda.jpg。识别它。

python /usr/local/lib/python2.7/dist-packages/tensorflow/models/image/imagenet/classify_image.py –-image_file cropped_panda.jpg。

其中，–image_file 后是待识别的图片的路径。
回车，等待几秒钟，显示：

giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.89107)
indri, indris, Indri indri, Indri brevicaudatus (score = 0.00779)
lesser panda, red panda, panda, bear cat, cat bear, Ailurus fulgens (score = 0.00296)
custard apple (score = 0.00147)
earthstar (score = 0.00117)

该识别的结果：图片是==大熊猫的概率是89%==
图片是大弧猴的概率是0.7%

          == ！！！ 成功了！！！==

再见，希望本文对你有所帮助。