在Raspberry Pi4上安裝Tensorflow Lite for python以及Coral USB Accelerator套件

使用Raspberry Pi 4 搭配 Tensorflow Lite 或 Coral USB Accelerator 做影像辨識前，來安裝套件吧！

由於Tensorflow Lite在邊緣運算裝置上表現突出，新出的多種開發板幾乎都有支援Tensorflow Lite。Google除了提供Cloud Auto ML訓練機器學習模型，也開始推出Coral USB Accelerator，可以接上樹莓派等開發板來加速邊緣運算。 因此本篇文章分享如何在Raspberry Pi 4上成功安裝Tensorflow Lite以及Coral USB Accelerator套件，讓有興趣Raspberry Pi 4上嘗試用Tensorflow Lite或是Coral USB Accelerator套件做影像辨識，並且打算使用python撰寫程式的使用者可以更快速完成安裝。

作者	蔡雨錡
時間	20分鐘
難度	★☆☆☆☆
材料表	Raspberry Pi 4 2ram/4ram（購買連結） Coral USB Accelerator 樹莓派週邊硬體（充電器、螢幕、滑鼠、鍵盤等）

安裝之前要先更新套件 在terminal中按順序執行下列指令   sudo apt-get update sudo apt-get upgrade -y sudo apt-get install build-essential  

Tensorflow Lite（本篇僅安裝物體辨識套件，不包含訓練套件）[1]

注意：如果你已經用pip安裝過tensorflow，請在terminal打 pip3 uninstall tensorflow 解安裝後再執行以下步驟，完整的tensorflow套件跟tensorflow lite物體辨識套件在安裝階段會出現衝突。

Step 1 - 前往官方網站下載套件

https://www.tensorflow.org/lite/guide/python 請在terminal中打 python3 --version 查看你的python版本， 根據Python版本，點選ARM32欄位下面的對應版本。 Pi 4預設Python版本會是3.7 (Debian Buster default)，如果你是用舊的Pi 3，Python版本預設是3.5 (Debian 9 Stretch default)。 檔案會下載到Downloads，下載完後請將檔案移至/home/pi資料夾底下。  

Step 2 - 安裝下載的wheel檔案

請在terminal中打 pip3 install 你剛剛下載的檔案名稱 看到上圖就代表順利安裝完Tensorflow Lite的tflife_runtime套件，可以開始做圖片辨識了！  

Coral USB Accelerator [2] [3]

Step 1 - 下載套件檔案後解壓縮

在terminal檔中按順序打下列指令 wget https://dl.google.com/coral/edgetpu_api/edgetpu_api_latest.tar.gz -O edgetpu_api.tar.gz --trust-server-names tar xzf edgetpu_api.tar.gz  

Step 2 - 修改並執行install.sh

因為官方尚未加入Pi4硬體的辨識code，還有一個地方少了sudo，所以在這步驟中要修改檔案。 在terminal檔中打下列指令 nano edgetpu_api/install.sh 或 vim edgetpu_api/install.sh，選你喜歡的編輯器。 進入程式編輯畫面後，在第59行後加上Pi4的硬體辨識程式如下： elif [[ "${MODEL}" == "Raspberry Pi 4 Model B Rev"* ]]; then info "Recognized as Raspberry Pi 4 B." LIBEDGETPU_SUFFIX=arm32 HOST_GNU_TYPE=arm-linux-gnueabihf 在第128 行加上紅字部分的 sudo，原本缺少導致無法順利執行 sudo udevadm control --reload-rules && sudo udevadm trigger 加完後存檔，並打下列指令執行install.sh sudo edgetpu_api/install.sh  

Step 3 - 為了Python3.7做修改，官方預設不支援這個版本

在terminal檔中按順序打下列指令 cd /usr/local/lib/python3.7/dist-packages/edgetpu/swig sudo cp _edgetpu_cpp_wrapper.cpython-35m-arm-linux-gnueabihf.so _edgetpu_cpp_wrapper.cpython-37m-arm-linux-gnueabihf.so 版本名稱修改完後，大功告成，可以摩拳擦掌開始辨識物體了！   可以參考官網範例來撰寫辨識程式： Tensorflow Lite 搭配 Pi Camera https://github.com/tensorflow/examples/tree/master/lite/examples/image_classification/raspberry_pi Coral USB Accelerator : https://coral.withgoogle.com/docs/accelerator/get-started/   參考資料： [1] Tensorflow Lite 官方安裝教學 https://www.tensorflow.org/lite/guide/python [2] Coral USB Accelerator 官方安裝教學 https://coral.withgoogle.com/docs/accelerator/get-started/ [3] Pi4使用者成功安裝Coral USB Accelerator套件心得 https://richardstechnotes.com/2019/07/04/object-detection-on-the-raspberry-pi-4-with-the-coral-usb-accelerator/