Raspberry Pi上的Tensorflow Lite-安装

在我目前的项目中，我使用机器学习的树莓Pi传感器融合。自从我听说Tensorflow Lite发布以来，我非常有兴趣在平台上部署并使用它来运行Lite模型

Tensorflow网站上有关于Android和iOS的提示，但我找不到任何关于其他平台的提示。是否有（WIP）安装/编译指南将TF Lite引入Raspi

---

TIA

在TFLite文档中有一个关于树莓皮的非常小的部分。该部分链接到此GitHub文档，并提供在Raspberry PI-上构建TFLite的说明

---

目前还没有官方的演示应用程序，但第一个地点说，一个是计划中的。准备好后，它可能会在同一位置共享（这是Android和iOS演示应用程序的描述）。

@all，如果您仍在尝试让tensorflow lite在Raspberry Pi 3上运行，我的“pull请求”可能会有用。请看

按照这些步骤，可以在Raspberry Pi 3上运行两个应用程序（label_image和camera）

最好的

---

--Jim

您可以使用“PIP install TensorFlow”在Raspberry pi上安装TensorFlow PIP，但是，如果您只需要TFLite，您可以构建一个只有TFLite解释器的较小PIP（然后您可以在另一台大机器上进行转换）

有关如何执行此操作的信息，请参见：

然后，你可以使用它。下面是一个您可以如何使用它的示例

将tflite_运行时作为tflr导入
解释器=tflr.lite.解释器（model\u path=“mobilenet\u float.tflite”）
explorer.allocate（）
输入=解释器。获取输入详细信息（）[0]
输出=解释器。获取输入详细信息（）[0]
cap=cv2.视频捕获（0）#打开第0个网络摄像头
而1：
ret，frame=cap.read（）
frame=cv2.CVT颜色（frame，cv2.COLOR_BGR2RGB）
frame=cv2.resize（frame，input.shape[2]，input.shape[1]）
frame=np.重塑（im，input.shape）.astype（np.float32）/128.0-1.0
解释器。设置张量（输入[“索引”]，帧）
invoke（）解释器
标签=解释器。获取张量（输出[“索引”]）
顶部标签索引=np.argmax（标签，轴=-1）

---

希望这能有所帮助。

我建议接下来的链接：

最简单的方法是只使用TensorFlowLite解释器。您可以通过此链接找到更多信息：

你们必须记住，若你们只使用解释器，你们必须遵循一点不同的逻辑

# Initiate the interpreter
interpreter = tf.lite.Interpreter(PATH_TO_SAVED_TFLITE_MODEL)

# Allocate memory for tensors
interpreter.allocate_tensors()

# Get input and output tensors
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# Add a batch dimension if needed (data_tensor - your data input)
input_data = tf.extend.dims(data_tensor, axis=0)

# Predict
interpreter.set_tensor(input_details[0]['index'], data_tensor)
interpreter.invoke()

# Obtain results
predictions = interpreter.get_tensor(output_details[0]['index'])

---

也许这会有帮助。构建总是会因为致命错误而停止。对于benchmark_model.o，配方在第112行失败。你运气好吗？