Tinker Board 2S系统与软件安装设定

/前一篇开箱文介绍了Tinker Board 2S / 2GB的相关硬件规格，可以看出TinkerBoard 2S / 2GB其实在硬件性能方面的已经具备不错的条件，此外，开箱文的介绍里，也提到了Tinker Board 2S采用了aarch64的操作系统架构，以Debian 10 Linux的LXDE桌面环境，更让使用者有着相当不错的GUI使用体验。/

Tinker Board 2S在官方网站上提供了Debian10 Linux操作系统给用户进行安装，相关LXDE桌面环境的套件软件程序，都有相当完整的支持，本文将会着眼在Tinker Board 2S应用在AI范畴中，所应该要在后续的套件软件程序的安装介绍，在这次的系统安装测试过程，我们发现了在Tinker Board 2S安装的Debian 10 Linux操作系统里，为了安装一些常用的AI支持套件程序，在安装过程中仍要补足许多缺漏的相依套件程序，甚至在测试安装的过程里，也发现了有部分的相依套件程序有断裂的问题，甚至无法单纯采用pip3 install或apt-get install的方式进行相依套件程序的安装，得要透过一些其他套件程序进行修补断裂的安装，这部分将会在后续的文章中详细说明。

本文将会针对以下这些AI应用程序设计中常用的套件程序安装进行说明：

1.nano (用于简易文本编辑器操作)

2.OpenCV 4.5.0 (用于相关视觉影像的接口操作)

3.imutils (用于视觉图像处理的接口操作)

4.pillow (用于视觉图像处理的接口操作)

5.tkinter (用于图形用户界面 GUI 程序设计)

6.Tensorflow 2.4.1 与Tensorflow-Lite Runtime 2.5.0 (用于神经网络运算)

7.Python3-Coral (用于GoogleCoral 边缘张量处理单元Edge-TPU加速器运算)

8.SciKit-Learn (用于神经网络运算)

一、安装简易文本编辑器nano

由于在许多的终端机操作环境下需要快速编修文件，采用精巧且功能完整的文本编辑器nano，一直是许多系统操作者的最爱之一，以下说明安装流程：

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install nano

二、安装GTK-2.0相依套件libgtk2.0-dev

本次安装测试的过程当中，在安装OpenCV 4.5.0套件程序时，发生了相依套件断裂的问题，在Tinker Board 2S的Debian 10 Linux系统中因为没有安装GTK-2.0 的libgtk2.0-dev套件程序，这将导致在OpenCV4.5.0因cmake无法将 libgtk2.0-dev相依套件进行编译设定，虽然在后续的make流程都能完成，但最后会在最后Python程序运行时间无法正确使用如imshow、putText等画面显示或绘图的函数，并且会在运行时间报错，并且提示需要重新进行cmake。

为了将libgtk2.0-dev相依套件程序安装至系统，笔者初期使用sudo apt-get install libgtk2.0-dev这种方式安装相依套件程序，但系统却又报错，表示还有许多其他相关相依套件有「相依断裂」的问题，笔者尝试再以sudo apt-get install去安装那些相依套件程序，却依然发现更多的「相依断裂」，更糟糕的是还发生「循环相依」，所谓「循环相依」表示其他的相依套件程序又循环相依libgtk2.0-dev。

为了解决这种「相依断裂」与「循环相依」的问题，最后只能透过额外安装「套件安装设定程序」的方式来解决，本次教学使用的是安装「aptitude」套件程序来解决这个问题。

透过「aptitude」套件程序便可以进行libgtk2.0-dev套件程序安装，以下说明安装流程：

sudo apt-get install aptitude

sudo aptitude install libgtk2.0-dev

三、安装OpenCV 4.5.0套件程序

在本篇教学采用OpenCV 4.5.0进行视觉影像接口处理，笔者曾尝试以sudo apt-get install python-opencv进行套件程序的安装，结果经过检查发现，以这种方式安装的OpenCV版本是3.6版，虽然简单Python程序函数还是可以执行，可是当遇到更进阶的函数如DNN等相关进阶应用时，便会产生函数缺漏的问题，有鉴于此，笔者选择重新以Build from Source的方式进行安装。

在这里要特别强调一个重要关键，在安装OpenCV 4.5.0套件程序之前，「必须」将前述的GTK-2.0相依套件libgtk2.0-dev先行安装完成，切莫跳过这个重要步骤。

由于OpenCV 4.5.0的安装过程需要大量的内存运作空间以进行后续的make流程，因此必须先行安装虚拟内存的套件程序，并且将虚拟内存设为10240MB，并且将Tinker Board 2S重新启动，以下说明虚拟内存设定流程：

sudo apt-get update

sudo apt-get upgrade

#安装dphys-swapfile套件程序

sudo apt-get install dphys-swapfile

#以nano编辑/etc/dphys-swapfile配置文件案

sudo nano /etc/dphys-swapfile

#寻找#CONF_SWAPSIZE= 字符串内容，并且将批注符号# 取消。

#设定CONF_SWAPSIZE=10240

#离开nano文本编辑器

#重新启动

sudo reboot

下载并编译安装OpenCV 4.5.0，请注意，这个阶段的安装时间非常久，笔者大约安装了近4小时，且在make阶段时Tinker Board 2S的散热片会产生高温，笔者尝试使用make -j2或make -j4等多核心的编译指令，虽然可以加快make流程，但是这种编译方式会让CPU的散热片的温度飙升，甚至导致热当机的状况很多次，造成make失败多次，因此笔者建议只要采用make这种单核心的编译为佳，且在编译过程务必确保电源稳定，且适当以电风扇在旁边帮助散热，虽然时间很久，但可以确保编译过程安全无误，以下说明OpenCV 4.5.0的安装流程：

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install cmake gitlibgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install libjpeg-dev libpng-dev

sudo apt-get install libavcodec-devlibavformat-dev libswscale-dev

sudo apt-get install libgtk2.0-devlibcanberra-gtk* libgtk-3-dev

sudo apt-get install python3-dev python3-numpypython3-pip

sudo apt-get install libtbb2 libtbb-devlibdc1394-22-dev

sudo apt-get install libv4l-dev v4l-utils

sudo apt-get install libopenblas-devlibatlas-base-dev libblas-de

sudo apt-get install liblapack-dev gfortranlibhdf5-dev

sudo apt-get install libprotobuf-devlibgoogle-glog-dev libgflags-dev

sudo apt-get install protobuf-compiler

sudo apt-get install qt5-default

wget -O opencv.ziphttps://github.com/opencv/opencv/archive/4.5.0.zip

wget -O opencv_contrib.ziphttps://github.com/opencv/opencv_contrib/archive/4.5.0.zip

unzip opencv.zip

unzip opencv_contrib.zip

mv opencv-4.5.0 opencv

mv opencv_contrib-4.5.0 opencv_contrib

cd ~/opencv

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE

-D CMAKE_INSTALL_PREFIX=/usr/local

-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules

-D ENABLE_NEON=ON

-D WITH_OPENMP=ON

-D BUILD_TIFF=ON

-D WITH_FFMPEG=ON

-D WITH_TBB=ON

-D BUILD_TBB=ON

-D BUILD_TESTS=OFF

-D WITH_EIGEN=OFF

-D WITH_GSTREAMER=OFF

-D WITH_V4L=ON

-D WITH_LIBV4L=ON

-D WITH_VTK=OFF

-D WITH_QT=OFF

-D OPENCV_ENABLE_NONFREE=ON

-D INSTALL_C_EXAMPLES=OFF

-D INSTALL_PYTHON_EXAMPLES=OFF

-D BUILD_NEW_PYTHON_SUPPORT=ON

-D BUILD_opencv_python3=TRUE

-D OPENCV_GENERATE_PKGCONFIG=ON

-D BUILD_EXAMPLES=OFF

-D WITH_GTK=ON ..

make

sudo make install

sudo ldconfig

make clean

至 .bashrc 设定OpenCV 4.5.0路径，安装完成OpenCV 4.5.0之后，必须要设定相关执行路径，若跳过这个步骤，会导致Python程序在import cv2时产生allocation memory 报错，以下说明 .bashrc 路径设定方式：

cd ~

#以nano文本编辑器编辑.bashrc 配置文件

sudo nano ~/.bashrc

#到文件末端将以下叙述补在最后一行

exportLD_PRELOAD=/usr/lib/aarch64-linux-gnu/libgomp.so.1

#执行 .bashrc 内容

source ~/.bashrc

四、安装其他视觉图像处理与图形用户界面套件程序

#安装pillow套件程序

cd ~

sudo apt-get update

sudo apt-get upgrade

pip3 install setuptools

pip3 install pillow

#安装tkinter套件程序

cd ~

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install python3-tk

sudo apt-get install python3-pil.imagetk

#安装imutils套件程序

cd ~

sudo apt-get update

sudo apt-get upgrade

pip3 install imutils

五、安装Tensorflow 2.4.1 神经网络运算套件程序

Tinker Board 2S 具有强大的CPU与GPU运算效能，可进行神经网络运算，搭配OpenCV可以进行各种AI影像辨识的应用，依照Tinker Board 2S的各种硬件规格，笔者认为神经网络的框架可采用Tensorflow 2.4.1来进行神经网络的推论(Inference)运算，以下说明套件程序安装流程：

#更新操作系统套件信息

sudo apt-get update

sudo apt-get upgrade

#更新安装pip3套件程序

sudo apt-get install python-pip python3-pip

#移除旧版Tensoflow套件程序

sudo pip uninstall tensorflow

sudo pip3 uninstall tensorflow

#安装各种系统相依套件程序

sudo apt-get install gfortran

sudo apt-get install libhdf5-devlibc-ares-dev libeigen3-dev

sudo apt-get install libatlas-base-devlibopenblas-dev libblas-dev

sudo apt-get install liblapack-dev

#安装各种Python3各种套件程序

sudo -H pip3 install --upgrade setuptools

sudo -H pip3 install pybind11

sudo -H pip3 install Cython==0.29.21

sudo -H pip3 install h5py==2.10.0

#安装下载工具

pip3 install gdown

sudo cp ~/.local/bin/gdown/usr/local/bin/gdown

#下载Tensorflow 2.4.1套件程序安装文件

gdownhttps://drive.google.com/uc?id=1WDG8Rbi0ph0sQ6TtD3ZGJdIN_WAnugLO

#安装Tensorflow 2.4.1套件程序

sudo -H pip3 installtensorflow-2.4.1-cp37-cp37m-linux_aarch64.whl

六、安装Tensorflow-Lite Runtime 2.5.0 套件程序

对于Tinker Board 2S / 2GB而言，由于受限于主存储器仅有2GB的缘故，因此对于神经网络进行推论运算时所需使用的主存储器容量，就必须要谨慎运用这有限的容量，若需要在神经网络推论时有较高的运算效能，往往就必须要选择神经网络模型规模较小的模型格式，在Tensorflow族系里有种Tensorflow-Lite格式就是一种模型规模较小的格式，在Tensorflow的原厂网站里也特别将Tensorflow-Lite格式定义适用于物联网IoT应用的场合当中，以下说明套件程序安装的方式：

cd ~

sudo apt-get update

sudo apt-get upgrade

pip3 installhttps://github.com/google-coral/pycoral/releases/download/v1.0.1/tflite_runtime-2.5.0-cp37-cp37m-linux_aarch64.whl

七、安装google Coral Edge-TPU Pthon套件程序

若想在边缘装置提升神经网络的运算效能，常会在边缘运算装置上外加神经网络运算加速装置，最常用的做法，便是透过USB连接神经网络运算加速装置的方式进行扩充，Tinker Board 2S有强大的USB 3.0接口可以运用，笔者为了能够在Tinker Board 2S上充分发挥Tensorflow-Lite的效能，因此选择透过google推出的Coral Edge-TPU USB Accelerator安装在Tinker Board 2S上，透过Edge-TPU强大的运算效能，让AI的各种应用都能有高速的反应。

以下说明Python3-Coral套件程序安装方式：

echo "debhttps://packages.cloud.google.com/apt coral-edgetpu-stable main" | sudotee /etc/apt/sources.list.d/coral-edgetpu.list

curlhttps://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -

sudo apt-get update

sudo apt-get install libedgetpu1-std

sudo apt-get install python3-pycoral

八、安装其他支持神经运算的套件程序SciKit-Learn

cd ~

sudo apt-get update

sudo apt-get upgrade

sudo pip3 install sklearn

以上是针对Tinker Board 2S在后续应用在AIoT主题开发所安装的各种套件程序安装教学，笔者将会在后续文章中介绍Tinker Board 2S在神经网络运算的效能，将会透过笔者设计的Python3范例程序进行本篇各种套件程序的测试效能，敬请各位读者拭目以待啰!

审核编辑 ：李倩