树莓派pytorch搭建过程

  • 前言
  • 一、环境配置
  • 二、搭建步骤
  • 1.python准备
  • 2.安装包准备
  • 3.实际安装过程
  • 4.其他花里胡哨操作
  • 三、跑个模型试试水
  • 总结

前言

生命不息，折腾不止！
号称尺寸仅有信用卡大小的小型电脑，整一个！

一、环境配置

命令行窗口中输入：

sudo nano /etc/apt/sources.list


sudo 是指用系统管理员权限启动；nano 是树莓派内置的轻量文本编辑器；/etc/apt/sources.list 是软件源的配置文件地址。

在已有内容前加注释符号#（删掉也行），然后添加：

deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib

按Ctrl+O写入，然后回车，再按Ctrl+x离开（用惯了windows还真不习惯这种操作），然后继续在命令行中输入：

sudo nano /etc/apt/sources.list.d/raspi.list

已有的添加注释，然后添加内容

deb http://mirrors.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui

按Ctrl+O写入，然后回车，再按Ctrl+x离开，继续在命令行中输入：

sudo apt-get update

同步更新源和软件包。

二、搭建步骤

1.python准备

树莓派默认python为2.X版本，命令行中输入：

whereis python

可以看到内置的有一个2.7版本，一个3.7版本，成年人当然选择最新的版本用。首先将链接的2.7版本删掉：

sudo rm /usr/bin/python

然后重新创建软链接命令，链接3.7版本py：

sudo ln -s /usr/bin/python3.7 /usr/bin/pytho

然后在命令行中输入python查看当前版本号，确认是否切换。

2.安装包准备

下载编译好的‘轮子’，放到树莓派的 /home/pi 文件夹下：

链接：https://pan.baidu.com/s/1yH-jhd2vugwGxguhaF2tMA
提取码：8888

3.实际安装过程

安装必要的依赖包：

sudo apt-cache search libopenblas
sudo apt-get install libopenblas-dev
sudo apt-get install libatlas-base-dev

安装numpy：

pip3 install numpy pyyaml

numpy实在是太重要了，一定要确认安装成功！

安装torch：

pip install torch-1.6.0a0+b31f58d-cp37-cp37m-linux_armv7l.whl

安装torchvision：

pip install torchvision-0.8.0a0+10d5a55-cp37-cp37m-linux_armv7l.whl

搞定收工，测试一下行不行：

python
import torch
print(torch.__version__)

成功的话这里会输出版本号1.6.0a0+b31f58d

4.其他花里胡哨操作

  1. 安装pandas
sudo apt-get install python3-pandas

直接pip总是出问题，不行你试试

  1. 解压zip文件
sudo apt install unzip

然后cd切换到zip文件所在目录，使用命令就能解压到当前目录下：

unzip ***.zip
  1. 解压tar.gz文件
tar -xzvf ***.tar.gz
  1. 安装pycharm
    网上教程很多，可以参考：在树莓派上安装 PyCharm

三、跑个模型试试水

*环境搭好了，跑一跑模型，性能怎么样？听我给你吹！

先搭一个熟悉的Mobilenet V3的训练模型，跑Indoor67数据集不过分吧，开始训练：

pytorch深度学习传入树莓派 树莓派 pytorch_ubuntu

好家伙，这报错是个什么玩意儿？查了一下网上居然没有，再查inplace是激活函数后面的参数，这我也没见过呀，似乎跟pandas库有关，按照上面的方法重新安装，把能修改的地方全动了个遍，再跑还是报这个错，简直是在为难我胖虎！

行啊，惹不起，惹不起，那我换一个模型——跑个Googlenet，数据集我自己造，抽了5类出来，每一类放30张训练图片，15张验证图片，开始训练：

pytorch深度学习传入树莓派 树莓派 pytorch_ubuntu_02

技术活儿，赏！能跑是能跑了，但是这训练速度简直乌龟爬爬，慢的离谱，难道是我设置的有问题?交换区大小已经调到4G了。

总结

查了下都说树莓派只支持CPU，这训练速度简直闻者落泪，难道只适合训练好了部署到树莓派上做推理用吗？