從零開始：在樹莓派上構建tensorflow——詳細至極

==前言==：本人現在也是一頭霧水，忙活了一天終於把環境裝好了，閒來無事，突發奇想，總結一下經驗，讓後人少走彎路
T-T

1.樹莓派的相關準備

已經裝完系統的樹莓派一個，本人用的官方2017-09-07-raspbian-stretch，sd卡最好16G以上，網速較好
爲了方便最好把樹莓派連上顯示屏，沒有的可以用Windows自帶遠程桌面連接【具體方法請看從零（一）】
==你要有一個github賬號，大神必備==

2.開始安裝

 **tensorflow的安裝共有兩種方法**
 1）pip 法，抱着SamAbrahams的大腿就是好，不過煩心事也不少，本人採用的就是這種方法；
 2）源代碼安裝法
 這種方法比較難，下面連接裏有英文的介紹，不過聽過來人一句勸，還是用pip吧。
 [大佬的git](https://github.com/samjabrahams/tensorflow-on-raspberry-pi)
【大佬的github如果本文沒解決你的問題可以從這裏尋找靈感，不過是純英文的哦(⊙o⊙)？】

==pip法==（版本號根據情況自己改）

1）首先安裝tensorflow需要的一些依賴和工具。

sudo apt-get update

# For Python 2.7
sudo apt-get install python-pip python-dev

# For Python 3.3+
sudo apt-get install python3-pip python3-dev

2）下載安裝tensorflow，==注意，劃重點了==

方法一：

# For Python 2.7
wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp27-none-linux_armv7l.whl
sudo pip install tensorflow-1.1.0-cp27-none-linux_armv7l.whl

# For Python 3.4
wget https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp34-cp34m-linux_armv7l.whl
sudo pip3 install tensorflow-1.1.0-cp34-cp34m-linux_armv7l.whl

嘗試以下，如果你的網夠好，或者會翻牆，那麼你就輕鬆不少，下面一大段都可以跳過去了（好羨慕ToT）,如果你發現自己下載失敗，就可以嘗試一下下面的歪門邪道了。

方法二：（我纔沒有幸災樂禍？霧）

首先複製這個網址，就是上面的下載地址

https://github.com/samjabrahams/tensorflow-on-raspberry-pi/releases/download/v1.1.0/tensorflow-1.1.0-cp27-none-linux_armv7l.whl

你可以先嚐試用瀏覽器下載，如果失敗，那就把網址用手機瀏覽器打開，我用的百度瀏覽器，訪問該地址自動下載，轉眼間下好，再把文件發送給電腦。如果這也失敗，出門右轉，不送:)。這是無意間找到的邪道，沒想到還挺好用。

==接下來==，便是把下載的文件【tensorflow-1.1.0-cp27-none-linux_armv7l.whl】發送給樹莓派，我是用的是==Filezilla==軟件，安利一下。使用方法很簡單，不會就百度一下。把文件隨便放在一個地方，然後安裝，方法同上。

sudo pip install tensorflow-1.1.0-cp27-none-linux_armv7l.whl

如果你成功了，那麼恭喜你，你離成功又進了一步，如果失敗那麼就無能爲力了TT。

3）卸載，重裝mock，我也不知道爲什麼，不過照着做準沒錯。

# For Python 2.7
sudo pip uninstall mock
sudo pip install mock

# For Python 3.3+
sudo pip3 uninstall mock
sudo pip3 install mock

4）來一個小測試，識別國寶大熊貓

我們可以查看Tensorflow的文件目錄：/usr/local/lib/python2.7/dist-packages/tensorflow，在該目錄的models/image/imagenet目錄下，存放了用於圖像識別的代碼classify_image.py。

==問題又來了==

如果你和我安裝的一樣是tensorflowv1.1.0，你會發現你沒有models，更別說classify_image.py了。因爲1.0版本以後models就被SamAbrahams大佬獨立出來了，不在放在一個壓縮包裏了，那我們去哪找呢？ 當然是大佬的git了
link，classify_image.py就在models/tutorials/image/imagenet/裏。抱歉不知道怎樣下載git裏的單個文件，也爲了以防萬一，我把整個models都clone（）到了自己的電腦裏，然後用filezilla傳到樹莓派上。

完成上面的準備工作後，我們就可以進入下一個步驟。
首先我們在/home/pi目錄下建立一個目錄用於測試，如tensorflow_test。
然後，我們在該目錄/home/pi/tensorflow_test下使用python來運行該代碼：
python /usr/local/lib/python2.7/dist-packages/tensorflow/models/image/imagenet/classify_image.py。
執行上述指令下，程序自動下載Tensorflow深度學習圖像識別庫：inception-2015-12-05.tgz。另外，也可以手動下載該圖像識別庫文件：
wget http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz
最後，我們用指令tar解壓該圖像識別庫：tar xf inception-2015-12-05.tgz。解壓後，可以看到目錄下存放了一張實例圖片cropped_panda.jpg。識別它。

python /usr/local/lib/python2.7/dist-packages/tensorflow/models/image/imagenet/classify_image.py –-image_file cropped_panda.jpg。

其中，–image_file 後是待識別的圖片的路徑。
回車，等待幾秒鐘，顯示：

giant panda, panda, panda bear, coon bear, Ailuropoda melanoleuca (score = 0.89107)
indri, indris, Indri indri, Indri brevicaudatus (score = 0.00779)
lesser panda, red panda, panda, bear cat, cat bear, Ailurus fulgens (score = 0.00296)
custard apple (score = 0.00147)
earthstar (score = 0.00117)

該識別的結果：圖片是==大熊貓的概率是89%==
圖片是大弧猴的概率是0.7%

          == ！！！ 成功了！！！==

再見，希望本文對你有所幫助。