[原创] 在树莓派3上使用微软ELL嵌入式学习库(4)

本文是上一篇文章的续文。
微软于2017年6月底发布了一个主要用于嵌入式系统（例如，树莓派，ARM Cortex-M0等）的机器学习库ELL（Embedded Learning Library，嵌入式学习库）。
为了在树莓派上跑起来ELL的demo，需要先在PC上做大量工作，前几篇文章正是记录了这个过程中遇到的种种问题。
从本文开始，我们终于可以把工作转到树莓派上了——不枉前面克服的所有困难，这一刻，我们离成功是如此之近。
注：本文的所有操作，都是在树莓派上运行的。

• 目标及步骤

在上一篇文章中，我在Ubuntu PC上已经编译出了一个 compiled_darknetReference_pi3 目录，并且把它拷贝到了树莓派上。现在要做的，就是用这个目录下的文件，编译出一个Python module（_darknetReference.so），然后就可以在树莓派上跑ELL的image classification demo了。
但是，在编译这个Python module之前，我们有一些准备工作要做——安装必需的软件。
文章来源：https://www.codelast.com/

• 安装Python 3.4——通过miniconda

首先，为什么要在树莓派上安装Python 3.4呢？
因为ELL提供的demo就是一个Python程序，并且它支持的Python版本是3.4。

在前面的一篇文章中，我已经在PC Ubuntu上，通过miniconda安装过了Python 3.6，并且也解释了为什么要通过conda环境来安装Python 3.6，而不是直接在系统里装。
在树莓派上，我们也是出于相同的想法，使用miniconda环境来安装Python 3.4：

wget http://repo.continuum.io/miniconda/Miniconda3-latest-Linux-armv7l.sh
chmod +x Miniconda3-latest-Linux-armv7l.sh
./Miniconda3-latest-Linux-armv7l.sh

非常简单就装好了。
注意：和前面的文章里的做法一样，在安装即将结束的时候，我允许miniconda把PATH路径添加到我的 .bashrc 文件中。

• 在conda环境里安装必需的软件包

可以通过下面的方式，来激活conda环境：

source ~/.bashrc
conda create --name py34 python=3
source activate py34

文章来源：https://www.codelast.com/
在这个conda环境中安装 NumPy 和 OpenCV：

(py34)[root@alarmpi ~]# conda install numpy
(py34)[root@alarmpi ~]# conda install -c microsoft-ell opencv

这个过程基本不会有什么问题和坑。

• 安装OpenBLAS

在正式开始编译Python module之前，我们事实上还需要安装一个依赖软件：OpenBLAS，如果你是Rabpbian系统，那么通过 apt-get install 就可以安装，但不巧，我用的是Arch Linux ARM系统，没有OpenBLAS可以直接通过 pacman -S（相当于Rabpbian的 apt-get install） 安装，为此，我在Arch Linux ARM上搜了一下：

[root@alarmpi ~]# pacman -Ss blas
extra/blas 3.7.1-1
    Basic Linear Algebra Subprograms
extra/cblas 3.7.1-1
    C interface to BLAS
extra/liblastfm 1.0.9-2
    A Qt4 C++ library for the Last.fm webservices

相关的package一共就两个：blas和cblas，如果安装了cblas，会自动把blas也装上，因为cblas依赖于blas。
我到底该装哪个呢？没头绪。于是我把blas和cblas都装了，试试看后面的步骤能不能走下去吧！
（但是我想提前剧透一下，这样做后面的路是走不通的，如果不想等的话可以直接看这个链接里的解决方案）
文章来源：https://www.codelast.com/

• 安装其他依赖软件

除了OpenBLAS，还有其他一些依赖软件要安装，它们都是在我跑demo程序挂了之后，根据错误信息发现的，在你的树莓派上，可能你已经装过了，或者在装其他的软件时把依赖也带进去了：

pacman -S ffmpeg2.8 libpng12

• 编译Python module

还记得我们从PC上拷贝过来的 compiled_darknetReference_pi3 目录吧？现在要进到这个目录下编译了。需要特别注意的是：编译不要在miniconda环境下进行。

cd compiled_darknetReference_pi3
mkdir build
cd build
cmake ..
make

如果一切顺利，就会在build目录下编译出一个30M大的_darknetReference.so文件了。
但这个Python module能work吗？不试你是不知道的，于是跑ELL的demo来测试一下。

• 测试Python module——跑ELL的demo

激活miniconda环境，把USB摄像头插到树莓派的USB接口上，然后run ELL的demo：

(py34)[root@alarmpi ~]# cd compiled_darknetReference_pi3
(py34)[root@alarmpi ~]# python compiledDarknetDemo.py

如果你的运气真的特别好，那么这个demo就能跑起来。
在这里，我要特别提一下，我的树莓派OS Arch Linux ARM是没有安装图形界面的，所以在command line下跑上面的demo，会直接报错：

(frame:12648): Gtk-WARNING **: cannot open display:

ImportError: build/_darknetReference.so: undefined symbol: cblas_sgemm