树莓派利用Tensor flow lite深度学习框架实现图像识别

基本思路：电脑训练模型并转换为lite格式，然后部署到树莓派，通过例程调用opencv和sci摄像头进行图像识别分类。

接下来分享一些参考链接：

1.如何在电脑端训练Tensorflow模型（建议训练工程文件中的mobilenet模型）

手把手教你用tensorflow2训练自己的数据集_哔哩哔哩_bilibili

下面提供了一种利用谷歌google cloab训练目标检测的教程（需要vpn）

GitHub - EdjeElectronics/TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi: A tutorial showing how to train, convert, and run TensorFlow Lite object detection models on Android devices, the Raspberry Pi, and more!

2.将训练的模型转换成lite格式

04 TensorFlow Lite实现花卉识别-1_哔哩哔哩_bilibili

（参考视频最后转换格式部分代码）

# todo 保存模型， 修改为你要保存的模型的名称
#将第3行代码注释掉(本代码块已注释掉)，换成4-11行代码即可实现将模型转换成lite格式
#model.save("models/mobilenet_psy.h5")
saved_model_dir = 'save/fine_tuning'
tf.saved_model.save(model,saved_model_dir)
#转换
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
# Saving the Integer Quantized TF Lite model.
tflite_model = converter.convert()
with open('save/fine_tuning/assets/model.tflite','wb') as f:
    f.write(tflite_model)

3.如何将模型转换lite格式官方教程

TensorFlow Lite 转换器 (google.cn)

4.（进阶）如何优化模型

（为了让训练好的模型在树莓派上拥有更快的推算能力和较高的帧率，可以将模型进行优化）

(8条消息) TensorFlow Lite(1) :针对边缘端的机器学习模型优化_@BangBang的博客-CSDN博客

5.如何将lite模型部署到树莓派

(8条消息) 用树莓派4b构建深度学习应用（六）TensorFlow Lite篇_bluishfish的博客-CSDN博客

下面为官方教程：

TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi/Raspberry_Pi_Guide.md at master · EdjeElectronics/TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi · GitHub

6.树莓派环境部署问题

目前大部分树莓派部署模型的教程都是基于python3.7版本的，而现在通过Raspiberry pi image安装的系统python版本基本为3.9,下面介绍两种切换到python3.7教程

（1）在树莓派上安装python3.7（较为麻烦）

(8条消息) 树莓派4B上多版本python切换（一）_树莓派的python版本_竹叶青lvye的博客-CSDN博客

(8条消息) 树莓派自带的python3.9-＞python3.7_树莓派安装python3.7_xiaokanshijie的博客-CSDN博客

（2）安装树莓派历史版本

通过下面网址可以下载历史版本，实测2020年版本python版本为3.7且使用过程暂时未出现问题

树莓派历史版本下载 (taodudu.cc)