树莓派4B32位官方系统配置tensorflow2.4以及pytorch1.7

一、python的设置

方案1：首先参考https://blog.csdn.net/weixin_51331359/article/details

这篇文章，把python的默认版本改为3.7

方案2：参考树莓派python虚拟环境的设置与使用_Leonard2021的博客-CSDN博客_树莓派创建虚拟环境这篇文章，设置python的虚拟环境（个人比较推荐）

二、然后利用WinSCP传输工具把相应的whl文件传输到树莓派的某个文件夹中，所需的whl文件在本人的上传资源中可以获取。

tensorflow-2.4.0-cp37-none-linux_armv7l.whl.zip-深度学习文档类资源-CSDN下载

三、首先，配置tensorflow2.4

1.安装相关系统依赖

sudo apt-get install -y libhdf5-dev libc-ares-dev libeigen3-dev
sudo apt-get install -y openmpi-bin libopenmpi-dev
sudo apt-get install -y libatlas-base-dev

2.在所处的文件夹中打开终端

pip3 install tensorflow-2.4.0-cp37-none-linux_armv7l.whl

pip3 install keras

3.然后在终端中进行测试

输入python后再输入

import tensorflow

import keras

若没有出现报错则，tensorflow2.4安装成功

命令行更新numpy模块：

pip3 install -U numpy

四、接下来进行pytorch1.7的安装

torch1.7+torchvision-0.8.rar-深度学习文档类资源-CSDN下载

1.安装必要的依赖包

sudo apt-get install libopenblas-dev

若没有安装numpy，则需要提前安装 （没有numpy的话也能成功编译，但是编译出来的PyTorch不支持numpy）

这里在上面安装tensorlfow过程中已经安装了numpy，则不需要再次安装。

2.在所处的文件夹中打开终端

pip3 install torch-1.7.0a0-cp37-cp37m-linux_armv7l.whl

pip3 install torchvision-0.8.0a0+45f960c-cp37-cp37m-linux_armv7l.whl

待安装完毕

3.然后在终端中进行测试

输入python后再输入

import torch

若没有出现报错则，tensorflow1.7安装成功.

使用本教程配置完成后，在额外安装python-opencv等系列python包后，可在树莓派上完成YOLOV5环境的搭建，opencv以及YOLOV5的包在我上传的资源中即可获取。

欢迎走进树莓派AI的大门。