树莓派与深度学习：环境配置及镜像分享
创建日期: 2020-03-02 17:05:47
2020.05.09更新：看到有些人无法连接到wifi网络，我重新制作了树莓派的镜像文件。将静态ip设定删除了。这样就可以直接用下面介绍的：在系统boot目录下新创建文件名为'ssh'和'wpa_supplicant.conf'的两个文件的方法，开机自动连接指定wifi并开启ssh服务，然后可用远程登录rpi。
"镜像下载链接见评论区置顶百度云盘链接"
分享的内容包含：1. 配置好深度学习环境（tensorflow+pytorch+keras+opencv）的树莓派镜像（压缩包)（里面的树莓派镜像文件夹下，有三个压缩文件，解压任意一个即可合并三个文件，生成完整的树莓派镜像）。2. VNC Viewer客户端（windows版本），Win32diskimager，还有BerryConda的arm版本安装包。
这个镜像是我在 李慕清：树莓派与深度学习：目标检测 这个任务完成后制作的（这也是导致镜像太大需要分包压缩的原因），桌面上会有一个.sh文件，在连接了树莓派的情况下，执行该文件即可调用摄像头进行实时目标检测。
--------------------------
简介：
疫情严峻，没法出门，家里的老电脑又没法跑深度学习，索性入手了一块树莓派4B，试一试在树莓派这样的移动端，深度学习模型能否跑的起来。本篇主要介绍一下树莓派断的深度学习环境搭建的过程，以及分享一下深度学习环境配置好的树莓派镜像。
2019年发布的树莓派4B，性能较之前的版本，性能提升明显。基本参数如下：
1.5GHz四核64位ARM Cortex-A72 CPU（~3 × 性能） 1GB，2GB或4GB的LPDDR4 SDRAM 全吞吐量千兆以太网 双频802.11ac无线网络 蓝牙5.0 两个USB 3.0和两个USB 2.0端口 双显示器支持，分辨率高达4K VideoCore VI显卡，支持OpenGL ES 3.x. HEVC视频的4Kp60硬件解码 与早期的Raspberry Pi产品完全兼容
我入手的配件包括：树莓派裸板4G版本，闪迪microSD卡32G（class10），500万像素摄像头，读卡器，外壳，电源线。当然配上Intel的Movidius神经计算棒，肯定更香。穷是原罪，下次一定。显示器没有必要买，性价比比不高，完全可以用电脑显示器（HDMI接口）或者用远程桌面软件连接，手机VNC软件也可以。
1. 树莓派系统镜像安装
树莓派的官方系统可以从官方下载地址下载安装，建议选择桌面版的Raspbian系统。但这样下载的系统很多内容都要自己去下载设置，比较麻烦。我第一次是这样安装的，但发现树莓派的默认python3环境所需要的包绝大多数都要从https://www.piwheels.org/simple下载，部分从Pypi下载，直接使用pip安装速度很慢而且大概率会出现Http错误（科学/n上网问题能解决的话，推荐直接使用BerryConda进行环境管理），而且换清华和阿里云源并不能解决问题，特别是深度学习相关的tensorflo和pytorch国内的源好像都没有。然后直接用了Maker毕：分享预装TensorFlow和OpenCV的树莓派系统镜像提供的树莓派镜像（感谢 @Maker毕 ），（这里再吐槽一下百度云盘，时不时1k的下载速度，下载了两天，今后有时间的话，想办法搭建一个树莓派云盘）。鉴于现在pytorch用的人比较多，所以在他的镜像基础上增加安装了Pytorch 1.3.0 和torchvision，然后又打包分享给大家。最终的python环境中，深度学习相关的包版本如下：
Package： Version ：
Python 3.7.3
h5py 2.9.0
Keras 2.2.4
lxml 4.3.2
matplotlib 3.0.2
numpy 1.16.2
picamera 1.13
Pillow 5.4.1
OpenCV 4.1.0
torch 1.3.0
torchvision 0.2.2
tensorboard 1.13.1
tensorflow 1.13.1
下面是简要的安装步骤：
- 下载镜像资源以及相关软件（评论区置顶百度云链接），解压"树莓派镜像（深度学习环境）"文件夹下的rpi_with_tf_keras_pytorch_opencv**_ud.zip**得到系统镜像文件（.img）。
- 利用win32diskimager将系统烧录到microSD卡。
- 如果有显示器，连接显示器用树莓派默认用户名和密码（pi和raspberry）登录即可，然后手动连接wifi或路由器LAN口（更新提示：经评论区提醒，可能出现连不上网的情况，这是因为我配置了固定IP地址，需要把etc/dhcpcd.conf文件里面的配置信息删除或修改为自己的路由器信息，20200509更新的镜像已经没有这个问题了）。
连不上局域网需修改：etc/dhcpcd.conf
- 如果没有显示器，首先在烧录后的系统boot目录下新创建文件名为'ssh'和'wpa_supplicant.conf'的两个文件，用来让树莓派开机自动连接wifi网络，其中ssh文件无后缀，无内容；wpa_supplicant.conf文件的内容如下：
country=CN
ctrl_interface=DIR=/var/run/wpa_supplicant GROUP=netdev
update_config=1
network={
ssid="WiFi-A"
psk="12345678"
key_mgmt=WPA-PSK
priority=1
}
其中ssid是wifi名，注意：wifi名不能包含中文。我踩过这个坑。psk是wifi密码。key_mgmt是wifi加密方式。priority是网络优先级（配置多个wifi时使用）。
\5. 树莓派开机（树莓派开关机用供/断电方式进行），不出意外的话树莓派会自动连接wifi，板子上的红灯旁边的小绿灯会隔几秒闪一次，表示网络连接成功。（开机后，添加到/boot目录下的'wpa_supplicant.conf'文件会自动转移到/etc/wpa_supplicant目录下，所以你如果第二次配置这个文件，需要重新新建这个文件。ssh文件会转化为开启ssh服务的指令，也会在开机后从/boot目录消失）。
\6. 登录路由器查看，新多出来的地址就是树莓派ip地址，windows安装VNC viewer客户端，新建连接即可登录。
PS：一些可能遇到的问题：
【1】如果路由器管理员密码未知，则很难获取树莓派的ip，可以用windows扫描处于同一wifi网络下的所有在线的ip地址，在树莓派开机前后分别扫描一次，新多出来的ip地址即为树莓派的地址。
【2】有可能登录桌面时出现“Cannot currently show the desktop”，如下（借的图）：
这是由于桌面显示分辨率太小导致，可以先用ssh登录设置一个较大的分辨率。执行：sudo raspi-config，选择Advanced Options->Resolution->选择一个分辨率（1280x720）->Finish->系统重启，即可用VNCViewer登录桌面。
【3】路由器一般DHCP服务会在树莓派每次开机时自动分配一个ip地址，要是每次都需要登录路由器查看树莓派十分不便。所以建议设置树莓派固定ip：桌面右上角右击选择wifi图标->wireless&wired Network Settings->配置信息如下图->应用。下次开机ip地址即为指定地址。
配置1~5，其中2为wifi名，3为空位自动补全，4为树莓派ip，5为路由器ip（网关）
到这里基本配置已完成，桌面操作方式和Ubuntu基本相似。
【4】镜像是16G TF卡上提取的，所以如果你是32G的存储卡，安装完之后需要手动进行扩展以使用全部存储空间。非常简单：终端执行：sudo raspi-config->Advanced Options->Expand Filesystem Ensures...->选择完成并重启，再次用df -h命令查看存储空间配置信息
2. 深度学习环境测试
镜像系统的深度学习环境是安装在树莓派的默认python3环境下的，登录到树莓派桌面系统后（或ssh），打开终端执行：pip3 list ，查看python环境包列表。
在 /home/pi/Documents 下运行：python3 keras_minist.py ，测试keras和TensorFlow是否正常。
运行结果如下：
在 /home/pi/Documents/CNN-backbone下执行: python3 train.py ，测试pytorch是否正常。（在2020.05.09更新的镜像里面这个cnn-backbone文件夹被我删掉了，可以在https://github.com/lee-zq/CNN-Backbone 下载后再使用。）
这是一个CNN经典网络实现的小项目，还未完成
运行结果：
train.py中可以指定一下batch size、Epochs等参数，可以将网络模型选择一个较轻量的，比如LeNet，训练会快一些。
总结：
总体上来说，尽管树莓派4B硬件性能提升很多，但训练深度学习模型还是不太行，只做推理估计可以。下一步打算在上面跑一些轻量的目标检测或者分割模型，如MobileNet，还有GhostNet（论文中说可以在arm设备上运行，验证一下），利用500万（是像素，不是价值）的摄像头进行实时检测。
