Skip to content

Latest commit

 

History

History
91 lines (65 loc) · 2.83 KB

README.md

File metadata and controls

91 lines (65 loc) · 2.83 KB

tflite4zero_env
在树莓派zero(armv6)上开发Tensorflow Lite项目的C++环境

zh en



基本信息

版本: TensorFlow 2.4.1

编码: UTF-8

目前还不支持GPU/XNNPACK加速。



更新

20210401:

  1. 重构了项目构建的方式。现在每一个项目都拥有自己的Makefile文件了,Makefile文件放置在对应项目的文件夹内。
    构建项目的语法仍然是./build_project.sh <项目名>

  2. 修改了示例项目的Makefile文件。现在每个项目可以在Makefile的SRC_DIRS变量中添加多个源文件目录。



使用说明

创建并构建项目

  1. 给予项目构建脚本./build_project.sh执行权限:

    chmod +x ./build_project.sh
  2. ./project目录创建你的tf-lite项目。可以参考已有的示例项目。
    项目文件夹的名称即为你的项目名

  3. 编写项目代码和Makefile文件。

  4. 执行构建脚本:

    ./build_project.sh <项目名>
    
    # 请不要使用source ./build_project.sh或. ./build_project.sh命令,脚本中的exit命令会导致当前ssh窗口退出
  5. 生成好的项目会在./build目录中。


运行示例项目

这是一个运行MobileNetV3目标识别网络模型的示例。

  1. 构建示例项目:
    ./build_project.sh label_image_tf1.14
  2. 复制网络模型、标签、数据集和测试图片到项目构建目录:
    cp -r ./project/label_image_tf1.14/data ./build/label_image_tf1.14/
  3. 切换到测试图片所在目录:
    cd ./build/label_image_tf1.14/data
  4. 运行MobileNetV3网络模型,对dogs.bmp进行目标识别:
    ../bin/label_image_tf1.14 -m ./mobnet_v3_coco_official.tflite -l ./labelmap.txt -i dogs.bmp -o 1 -t 1

注意:输入给模型的图片文件必须是bmp格式,且只能是文件名,不能有路径。输出的图片在当前目录,如out_dogs.bmp


如需交叉编译

交叉编译工具链(使用压缩包中的6.5.0版本):
https://github.com/rvagg/rpi-newer-crosstools/archive/eb68350c5c8ec1663b7fe52c742ac4271e3217c5.tar.gz

请事先在Makefile中指定好CC、CXX、AR变量。

/your/path/to/rpi-newer-crosstools/x64-gcc-6.5.0/arm-rpi-linux-gnueabihf/bin/arm-rpi-linux-gnueabihf-gcc 
 
/your/path/to/rpi-newer-crosstools/x64-gcc-6.5.0/arm-rpi-linux-gnueabihf/bin/arm-rpi-linux-gnueabihf-g++ 
 
/your/path/to/rpi-newer-crosstools/x64-gcc-6.5.0/arm-rpi-linux-gnueabihf/bin/arm-rpi-linux-gnueabihf-ar

交叉编译tensorflowlite库教程(本项目已编译好):
https://blog.csdn.net/weixin_41973774/article/details/114807080