Rock pi E 初始化 + 安装 tensorflow

1. Getting started

        用下面链接里官网里的方法

https://wiki.radxa.com/RockpiE/getting_startedhttps://wiki.radxa.com/RockpiE/getting_started

• Write image (Debian 10 Buster)

• Boot the board
• Access from the Host PC

        Serial Console

        The default serial setting for ROCK Pi E u-boot and kernel console is

        Putty: 

                Speed: 1500000

• WIFI Connection

# Switch to super user mode
sudo su

# Open the WIFI
nmcli r wifi on

# Scan WIFI
nmcli dev wifi

# Connect to WIFI network
nmcli dev wifi connect "wifi_name" password "wifi_password"

2. 更换国内镜像源

https://blog.csdn.net/qq_36154886/article/details/107878853https://blog.csdn.net/qq_36154886/article/details/107878853

3. Rock pi E 初始化

• Install and update necessary packages

# Install packages
sudo apt-get update
sudo apt-get install -y rockchip-overlay
sudo apt-get install -y linux-4.4-rockpie-latest

4. Debian 安装 tensorflow

直接用下面链接里面的方法执行到第2大步 pip 安装结束

https://zhuanlan.zhihu.com/p/100932203https://zhuanlan.zhihu.com/p/100932203

• 安装 Python 3 和 venv

        Python 3.7.3

        推荐的创建虚拟环境的方法是使用软件包venv提供的模块python3-venv。

        如果`python3-venv未在您的系统上安装，请输入以命令进行安装：

sudo apt update
sudo apt install python3-venv

• 创建虚拟环境（要在虚拟环境下安装tensorflow）

# 建立一个全新的虚拟环境目录
mkdir my_tensorflow
cd my_tensorflow

# 在目录内部，输入以下命令以创建虚拟环境：
python3 -m venv venv

# 上面的命令创建一个名为venv的目录，该目录包含Python二进制文件，Pip程序包管理器，标准Python库和其他支持文件的副本。

# 运行activate脚本将其激活：
source venv/bin/activate

# 激活后，虚拟环境的bin目录将添加到系统$PATH变量的开头。另外，shell的提示符将更改，并显示您当前所在的虚拟环境的名称。在此示例中，即(venv)。

# TensorFlow安装需要pip版本19或更高版本。运行以下命令以升级pip到最新版本：
pip install --upgrade pip

• 安装 tensorflow   （以下操作都是在虚拟环境下执行的！！！命令行最前面是 venv ！！！）

        首先安装 wget

sudo apt-get install wget

        下载 tensorflow 的 .whl 文件

https://forum.radxa.com/t/tensorflow-install/3484/4https://forum.radxa.com/t/tensorflow-install/3484/4

wget http://repo.rock-chips.com/pypi/simple/tensorflow/tensorflow-2.0.0-cp37-none-linux_aarch64.whl

pip install tensorflow-2.0.0-cp37-none-linux_aarch64.whl

5. 安装完成之后，验证 tensorflow

       完成工作后，键入deactivate以停用环境并返回到正常的shell

deactivate