python3.5安装tensorflow_如何为Python 3.5安装OpenCV，Tensorflow和机器学习框架运行对象检测应用程序...

步骤1：要求

您将需要以下内容：

DragonBoard™410c或820c；

Linaro-alip的全新安装：

DB410c：已在v431版中测试。链接：https：//snapshots.linaro.org/96boards/dragonboard 。..

DB820c：已在v228版本中测试。链接：https：//snapshots.linaro.org/96boards/dragonboard8 。..

至少16GB容量的MicroSD卡（使用410c的I ）；

下载文件（在此步骤的最后），解压缩并复制到MicroSD卡；

obs：如果使用DB820c，请下载文件，解压缩并移至/home/* USER */以简化命令的使用。

USB集线器；

USB摄像头（兼容Linux）；

USB鼠标和键盘；

Internet连接。

提示：如果可能，请在DragonBoard浏览器中遵循此说明，以利于复制命令。

步骤2：安装MicroSD卡（仅适用于W/DB410c）

在Dragonboard中打开终端；

在终端中运行 fdisk ：

$ sudo fdisk -l

将MicroSD卡插入DragonBoard MicroSD卡插槽中；

再次运行 fdisk ，在列表中查找新设备的名称（和分区）（例如mmcblk1p1）

$ sudo fdisk -l

转到根目录：

$ cd ~

创建文件夹：

$ mkdir sdfolder

安装MicroSD卡：

$ mount /dev/ sdfolder

步骤3：安装所需的框架

在Dragonboard中打开终端；

在终端中，转到所选目录（对于820c使用“〜”，对于410c使用已安装的SD卡）：

（820c） $ cd ~

（410c） $ cd ~/sdfolder

转到“对象检测器”脚本文件夹：

$ cd object_detector_tensorflow_opencv/scripts/

运行环境设置脚本：

$ sudo bash set_Env.sh

更新系统：

$ sudo apt update

安装以下软件包：

$ sudo apt install -y protobuf-compiler gcc-aarch64-linux-gnu

g++-aarch64-linux-gnu debootstrap schroot git curl pkg-config zip

unzip python python-pip g++ zlib1g-dev default-jre libhdf5-dev

libatlas-base-dev gfortran v4l-utils hdf5* libhdf5* libpng-dev

build-essential cmake libreadline-gplv2-dev libncursesw5-dev

libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev

libjpeg-dev libtiff5-dev libavcodec-dev libavformat-dev

libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libgtk2.0-dev

libgtk-3-dev ffmpeg python-opengl

转到此目录：

$ cd /usr/src

下载Python 3.5：

$ sudo wget https://www.python.org/ftp/python/3.5.6/Python-3.。..

提取软件包：

$ sudo tar xzf Python-3.5.6.tgz

删除压缩的软件包：

$ sudo rm Python-3.5.6.tgz

转到Python 3.5目录：

$ cd Python-3.5.6

启用opt Python 3.5编译的模拟：

$ sudo 。/configure --enable-optimizations

编译Python 3.5：

$ sudo make altinstall

升级pip和设置工具：

$ sudo python3.5 -m pip install --upgrade pip && python3.5 -m pip install --upgrade setuptools

安装numpy：

$ python3.5 -m pip install numpy

转到所选内容目录：

（820c） $ cd ~

（410c） $ cd ~/sdfolder

下载Tensorflow 1.11 whl：

$ wget https://github.com/lhelontra/tensorflow-on-arm/re.。.

安装张量流：

$ sudo python3.5 -m pip install tensorflow-1.11.0-cp35-none-linux_aarch64.whl

克隆OpenCV和OpenCV Contrib存储库：

$ sudo git clone -b 3.4 https://github.com/opencv/opencv.git && sudo git clone -b 3.4 https://github.com/opencv/opencv_contrib.git

转到目录：

$ cd opencv

创建构建目录并转到它：

$ sudo mkdir build && cd build

运行CMake：

$ sudo cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_opencv_java=OFF -D BUILD_opencv_python=OFF -D BUILD_opencv_python3=ON -D PYTHON3_DEFAULT_EXECUTABLE=$（which python3.5） -D PYTHON3_EXECUTABLE:FILEPATH=$（which python3.5） -D PYTHON_INCLUDE_DIR=/usr/local/include/python3.5m/ -D INSTALL_C_EXAMPLES=OFF -D INSTALL_PYTHON3_EXAMPLES=OFF -D BUILD_EXAMPLES=OFF -D WITH_CUDA=OFF -D BUILD_TESTS=OFF -D WITH_TBB=ON -DBUILD_TBB=ON -D OPENCV_ENABLE_NONFREE=ON -DBUILD_opencv_xfeatures2d=OFF -D OPENGL=ON -D OPENMP=ON -D ENABLE_NEON=ON -D BUILD_PERF_TESTS= OFF -D BUILD_OPENCV_DNN=ON -D OPENCV_EXTRA_MODULES_PATH=。./。./opencv_contrib/modules 。.

编译具有4个内核的OpenCV：

$ sudo make -j 4

安装OpenCV：

$ sudo make install

转到所选目录：

（820c） $ cd ~

（410c） $ cd ~/sdfolder

转到脚本目录：

$ cd object_detector_tensorflow_opencv/scripts/

安装Python3.5要求：

$ sudo python3.5 -m pip install -r requirements.txt --no-cache-dir

测试导入：

$ python3.5

》》 import cv2

》》 import tensorflow

提示：如果cv2返回导入错误，请在OpenCV构建文件夹中运行make install，然后重试。

转到选定的导演y：

（820c） $ cd ~

（410c） $ cd ~/sdfolder

下载cocoapi存储库：

$ git clone https://github.com/cocodataset/cocoapi.git

下载Tensorflow模型存储库：

$ git clone https://github.com/tensorflow/models.git

转到此目录：

$ cd cocoapi/PythonAPI

编辑文件Makefile，将python更改为然后在第3行和第8行中使用python3.5保存文件（以nano为例）：

$ nano Makefile

编译cocoapi：

$ sudo make

提示：如果‘make’命令未编译，请尝试使用以下命令重新安装cython：

$ sudo python3.5 -m pip install cython

将pycocotools复制到tensorflow/models/research目录：

（820c） $ cp -r pycocotools ~/models/research/

（410c） $ cp -r pycocotools ~/sdfolder/models/research/

转到所选目录：

（820c） $ cd ~

（410c） $ cd ~/sdfolder

转到模型/研究目录：

$ cd models/research

使用协议进行编译：

$ protoc object_detection/protos/*.proto --python_out=。

导出环境变量：

$ export PYTHONPATH=$PYTHONPATH：`pwd`：`pwd`/slim

测试环境：

$ python3.5 object_detection/builders/model_builder_test.py

obs：必须返回 OK ，否则应用将无法执行。如果不是这样，请在安装所需框架的过程中仔细查找任何错误。

第4步：运行对象检测API

配置了所有框架之后，现在就可以运行将Tensorflow与OpenCV一起使用的对象检测API。

转到所选目录：

（820c） $ cd ~

（410c） $ cd ~/sdfolder

转到对象检测目录：

$ cd object_detector_tensorflow_opencv/

现在运行应用程序：

$ python3.5 app.py

现在，Dragonboard将通过网络流式传输视频。要查看输出视频，请在数据库中打开浏览器，然后转到“ 0.0.0.0 ：5000”。

责任编辑：wv