NO.9 在raspberry开发板上部署机器学习环境(一)

最近随着各家巨头,如谷歌(google)和脸书(Facebook)相继公布自己的开源机器学习框架,并且都对树莓派开发板做了支持,分别发布了  TensorFlow ,caffe2 框架,我购置了 Raspberry 3代 B板 。和迷你键盘,16GB micro SD卡 HDMI线,如下图:

1下载树莓派系统

地址 https://www.raspberrypi.org/downloads/raspbian/ 点进去会有2个版本,推荐安装with pixel的完整版

2系统写入SD卡

3 将你下载的系统解压 启动win32DiskImager

4 将TF卡插入开发板,连接HDMI输出,如果你连接的是电脑PC的屏幕,你需要一个HDMI转VGA的接口

下图为系统运行完成后:

可以在图形界面里配置固定IP地址,也可以手动配置

直接在命令行中输入:

sudo nano /etc/network/interfaces

打开树莓派网络配置的文件

下图我用了两行分解了上面的命令效果一样的

cd /etc/network              ##跳转到network目录

sudo nano interfaces      ##提升权限使用nano编辑器打开interfaces

进入interfaces文件 ,我们可以看到默认配置为DHCP方式

我们将内容修改如下:

auto ethiface eth0 inet static 

address  192.168.1.100      ## 设定的静态IP地址

netmask 255.255.255.0    ## 网络掩码

gateway 10.52.91.1          ## 网关

使用快捷键Ctrl+X关闭,提示问是否保存,输入"Y"保存

在B板上带蓝牙和Wi-Fi模块,我们也可以直接配置成无线连接。

手机上也可以安装VNC view等软件,远程连接设备,树莓派上需要安装软件:

添加vnc server

sudo apt-get update

sudo apt-get install tightvncserver
安装完成后,运行

tightvncserver
这时会要求输入控制密码,选择性输入查看密码,查看密码只能用来查看桌面,而控制密码才能对桌面进行操作。

此后,在电脑上安装vnc软件,下载地址:http://www.tightvnc.com/

图为IPHONE 连接设备

 

至此一个简单的LINUX系统环境算是配置完成。后续的将研究一下框架的安装。

 

对深度学习(Deep Learning)的简单介绍

以下解释来自维基百科:

深度学习是机器学习拉出的分支,它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。

深度学习的用途实在太广泛,最为普通人所熟知的,就是以下和民生相关的应用:人脸识别,语音识别,图像搜索,在线翻译,等等。

目前流行的深度学习框架有TensorFlow(Google开源),MXNet(得到Amazon支持),Theano等,利用这些框架,我们只需要做比较少的工作,就能把深度学习能力带入我们自己的程序。

发表评论

电子邮件地址不会被公开。 必填项已用*标注