蓝冠注册《Q374919 》在本教程中，我们将看到如何集成TensorFlow Lite和Qt/QML来开发树莓派应用程序。Qt/QML允许我们创建丰富的图形用户界面，蓝冠招商 而TensorFlow Lite支持设备上的机器学习。并给出了一个用于对象检测的开放源码示例应用程序。看看下面的视频，看看这个例子应用程序的行动。

大纲

本教程中使用的硬件

Qt:下载，交叉编译和安装在树莓派

TensorFlow Lite:下载和交叉编译树莓派

树莓派对象检测app

总结

本教程中使用的硬件

树莓Pi 3模型B+

覆盆子π相机

树莓派3 – 7英寸触摸屏显示

2根挠性电缆用于树莓Pi(用于相机和显示器)

2 x树莓派3 B+电源- 5V 2.5A(用于树莓派和显示)

这些是附属链接。这意味着如果你点击链接，购买推广项目，我们将收到一个小的附属委员会在没有额外的成本给你，蓝冠官网 产品的价格是相同的。如果您觉得没问题，我们将非常感谢您对我们工作和网站的支持。

对于本教程，我们需要在我们的主机上安装Linux发行版。

Qt:下载，交叉编译和安装在树莓派

让我们来看看交叉编译和部署Raspberry Pi的Qt 5.12。它提供了执行此步骤的所有细节。在这里，蓝冠注册 您还可以找到如何设置Qt Creator来将Qt应用程序部署到Raspberry Pi。

TensorFlow Lite:下载和交叉编译树莓派

确保您已经将Raspberry Pi GCC交叉编译器添加到您的路径中。查看前一步中提到的教程，了解关于如何下载和安装此编译器的更多细节。

导出路径= < YOUR_PATH > / raspi /工具/ arm-bcm2708 / gcc-linaro-arm –

linux-gnueabihf-raspbian-x64 / bin /: $路径

首先，我们必须在我们的计算机中克隆Git TensorFlow respository。

git克隆https://github.com/tensorflow/tensorflow.git

然后，我们必须下载TensorFlow Lite编译依赖项。

cd tensorflow

。/ tensorflow / lite /工具/ / download_dependencies.sh

现在，我们可以为覆盆子Pi交叉编译TensorFlow Lite。

。/ tensorflow / lite /工具/ / build_rpi_lib.sh

我们也可以为我们的Linux发行版编译TensorFlow Lite(使用make)，这样我们就可以在我们的计算机和树莓派上测试我们的多平台应用程序。为此，我们必须执行以下命令。

让- f。/ tensorflow / lite /工具/制作/ Makefile

注意:如果在编译过程中出现这样的错误，

对NnApiImplementation()的未定义引用

在./tensorflow/lite/tools/make/Makefile中编辑BUILD_WITH_NNAPI=true到BUILD_WITH_NNAPI=false的第一个外观来禁用NNAPI。再次清理并编译。

make -f ./tensorflow/lite/tools/make/Makefile clean

NNAPI是TensorFlow Android神经网络API加速，它利用了图形处理单元(gpu)的优势，但目前只支持Android设备。

在编译TensorFlow Lite时，我还遇到了一个错误，但它是针对benckmark模型的。

未定义对’ tflite::InitTensorFlow()’的引用

然而，TensorFlow Lite库(libtensorflow-lite.a)被正确编译。我们可以在./tensorflow/lite/tools/make/gen/linux_x86_64/lib/中找到64位Linux发行版，在./tensorflow/lite/tools/make/gen/rpi_armv7l/lib中找到树莓派。

树莓派对象检测app

我们准备测试Qt和TensorFlow Lite应用程序在我们的覆盆子Pi。这个示例应用程序的源代码是开源的，它托管在我们的GitHub账户中。