Home 树莓派4B（8G内存版本）安装配置Ubuntu Mate 20.04（arm64）记录
Post
Cancel

树莓派4B（8G内存版本）安装配置Ubuntu Mate 20.04（arm64）记录

Posted 2022-01-18 Updated 2022-04-22 13 min read

1. 镜像烧录

1.1 相关资源下载

从树莓派官网中，下载树莓派镜像烧录（Raspberry Pi Imager）软件；前往Ubuntu Mate官网，下载系统镜像。（烧录Raspberry Pi OS aarch64系统同样可以，环境配置部分的操作都可以通用，验证过了）

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

1.2 镜像烧录

打开树莓派镜像烧录软件，将插入了SD卡的读卡器插入电脑。选择下载的系统镜像，及插入的SD卡，点击烧录，等待烧录完成。

在这里插入图片描述

2. 系统安装与基本配置

2.1 系统安装

将烧录好的SD卡插入到树莓派中，并插入鼠标键盘方便后续操作，对树莓派上电，等待自启动，并进行一些简单设置（语言、位置、网络、用户名及密码等），等待系统安装完成。

在这里插入图片描述

2.2 系统基本配置

2.2.1 更新

需保证网络正常，然后进行更新

1
2

sudo apt update
sudo apt upgrade

如果出现报错，先将树莓派重启sudo reboot，再次更新即可。

2.2.2 安装开启ssh服务并设置开机自启

1
2
3

sudo apt install openssh-server
sudo service ssh start
sudo systemctl enable ssh

查看本机ip地址

1
2

sudo apt install net-tools
ifconfig

ssh连接树莓派，其中user_name为系统用户名，xxx.xxx.xxx.xxx为IP地址

1

ssh user_name@xxx.xxx.xxx.xxx

2.2.3 安装开启VNC服务并设置开机自启

未完…

2.2.4 安装树莓派官方系统中的raspi-config

树莓派官方的Raspberry Pi OS中预安装了raspi-config，某些设置相对比较方便，在其他第三方系统中则需要自行安装，首先从其官网下载安装文件，下载地址：archive.raspberrypi.org/debian/pool/main/r/raspi-config

此处，我下载的为raspi-config_20220112_all.deb

在这里插入图片描述

  1. 安装相关依赖
    1

    sudo apt install whiptail parted lua5.1 alsa-utils psmisc
  2. 安装raspi-config
    1

     sudo dpkg -i raspi-config_20220112_all.deb
  3. 运行raspi-config
    1

     sudo raspi-config

    在这里插入图片描述

2.2.5 安装中文输入法

1

 sudo apt-get install fcitx fcitx-googlepinyin fcitx-module-cloudpinyin fcitx-sunpinyin

然后进入系统设置，首先进入"System Settings->Personal->Language Support"，将"Keyboard input method system"修改为"fcitx"；然后进入"System Settings->Other->Fcitx Configuration"，点击+号，取消勾选Only Show Current Language，然后搜索找出Google Pinyin，点击OK添加即可。ctrl+space进行输入法的切换。

2.2.6 验证USB摄像头是否可用

树莓派有官方的CSI接口摄像头（但我没有），具体怎么使用还不知道（没看过资料，只大概知道需要先在raspi-config中开启摄像头，使用raspistill命令可以捕获图像）。但我手上只有一条USB接口的摄像头，需要验证该摄像头是否可以在树莓派上正常使用

1
2
3
4
5
6
7

# 插入USB摄像头，查看其设别号（插入和拔下分别查看设备号，消失的就是摄像头的了）
ls /dev/video*
# 安装fswebcam
sudo apt install fswebcam
# 捕获摄像头图片，存储到/PATH/OF/img.jpg，
# 此处我的摄像头设备号为/dev/video0
fswebcam /dev/video0 /PATH/OF/img.jpg

在这里插入图片描述

2.2.7 系统镜像备份

将SD卡从树莓派上取下，插入读卡器，并插入到另一台Ubuntu操作系统的计算机上。 参考了用树莓派4b构建深度学习应用（二）软件篇

1
2
3
4
5
6
7
8

# 1 查看U盘的盘符，在此处我的U盘为/dev/sdg
lsblk
# 2 利用dd命令将SD卡中的数据保存为.img镜像文件
sudo dd if=/dev/sdg of=/PATH/OF/rpi_arm64_backup.img bs=8M
# 3 缩小.img镜像文件尺寸
git clone https://github.com/Drewsif/PiShrink
cd PiShrink/
sudo ./pishrink.sh -s /PATH/OF/rpi_arm64_backup.img /PATH/OF/rpi_arm64_backup_small.img

未完

3. 其他开发环境配置

3.0 Python虚拟环境管理（Miniforge安装）

>1. Miniforge的安装

一直使用Anaconda作为python虚拟环境管理工具，但是Anaconda和Miniconda对树莓派的支持并不好，两者的官网上倒是都有支持aarch64的包可以下载，但是我都试了一些有问题。所以决定使用Miniforge进行替代，暂时感觉使用正常。

前往清华镜像站下载Miniforge，此处我下载的是Miniforge3-4.11.0-0-Linux-aarch64.sh；进行安装：

1
2
3
4
5

cd Downloads
# 安装过程最后，Do you wish the installer to initialize Miniforge3 by running conda init? [yes|no]
# 我选择的是yes，选择no的话可能需要自己将环境变量添加到.bashrc中
bash Miniforge3-4.11.0-0-Linux-aarch64.sh
source ~/.bashrc

>2. 安装numpy

1

conda install numpy

>3. 创建虚拟环境

1
2
3
4
5
6
7

# 此处安装的Miniforge的base环境下的python为3.9.7
# 新建一个python3.7的虚拟环境raspi，用于后续的环境配置
conda create -n raspi python=3.7
# 激活虚拟环境
conda activate raspi
# 安装numpy、pyyaml
conda install numpy pyyaml

在这里插入图片描述

3.1 OpenCV 4.5.5的编译与安装

3.1.1 使用pip安装release版本

由于树莓派为arm架构，本来打算手动编译安装OpenCV，因为conda安装找不到相关的包。但是后来尝试了pip安装，结果发现官方有编译好的包可以直接安装，见pypi.org/project/opencv-contrib-python。（所以，手动编译安装OpenCV就没太大必要了）

1
2
3
4
5
6
7

# 进入raspi虚拟环境
conda activate raspi
# 以下四种应该都可以，此处我安装的是opencv-contrib-python
pip install opencv-contrib-python
pip install opencv-python
pip install opencv-python-headless
pip install opencv-contrib-python-headless

如下图，网站上显示，支持aarch64架构的opencv对应的Python Version为3.6，但我虚拟环境是python3.7，测试了一下读取图片是没有问题的。

在这里插入图片描述

3.1.2 从源码进行编译安装

$\color{red}{NOTE: 以下部分为非必要操作}$

NOTE：还未在Ubuntu Mate上测试（待测试），在Raspberry Pi OS 32位上测试过能编译成功。

参考了用树莓派4b构建深度学习应用（三）OpenCV篇和Ubuntu 16.04编译配置opencv 4.1.1 + opencv_contrib 4.1.1（C++ & Python）

>1. 依赖库的安装

1
2
3
4
5
6
7

sudo apt -y install build-essential cmake unzip pkg-config
sudo apt -y install libjpeg-dev libpng-dev libtiff-dev
sudo apt -y install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt -y install libxvidcore-dev libx264-dev
sudo apt -y install libgtk-3-dev
sudo apt -y install libcanberra-gtk*
sudo apt -y install libatlas-base-dev gfortran

>2. 构建、编译OpenCV（待测试）

首先从OpenCV的官方github库中下载opencv-4.5.5和opencv_contrib-4.5.5的源码。

构建

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

cd opencv-4.5.5
mkdir build 
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local/opencv-4.5.5  \
      -D INSTALL_C_EXAMPLES=ON   \
      -D INSTALL_PYTHON_EXAMPLES=ON  \
      -D WITH_TBB=ON \
      -D WITH_V4L=ON  \
      -D WITH_QT=OFF  \
      -D WITH_OPENGL=OFF \
      -D WITH_FFMPEG=ON \
      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.5.5/modules \
      -D BUILD_EXAMPLES=ON  \
      -D ENABLE_NEON=ON \
      -D ENABLE_VFPV3=ON \
      -D OPENCV_ENABLE_NONFREE=ON \
      -D CMAKE_SHARED_LINKER_FLAGS='-latomic' \
      -D OPENCV_GENERATE_PKGCONFIG=YES ..

编译

1

make -j4

安装

1

sudo make install

未完

3.2 PyTorch及TorchVision的编译与安装

3.2.1 安装官方或第三方编译release的whl文件

有大佬提供了aarch64的release版本，下载地址https://github.com/KumaTea/pytorch-aarch64/releases，此处我下载的分别是：

  • torch-1.7.1-cp37-cp37m-linux_aarch64.whl
  • torchaudio-0.7.2-cp37-cp37m-linux_aarch64.whl
  • torchvision-0.8.2-cp37-cp37m-linux_aarch64.whl

(1.7.1版本安装后报错，找不到libpython3.7m.co.1.0；改为1.8.1版本后正常)

  • torch-1.8.1+ffmpeg-cp37-cp37m-linux_aarch64.whl
  • torchvision-0.9.1+ffmpeg-cp37-cp37m-linux_aarch64.whl
  • torchaudio-0.8.1-cp37-cp37m-linux_aarch64.whl

安装：

1
2
3
4
5
6

# 进入raspi虚拟环境
conda activate raspi
# 安装
pip install torch-1.8.1+ffmpeg-cp37-cp37m-linux_aarch64.whl 
pip install torchvision-0.9.1+ffmpeg-cp37-cp37m-linux_aarch64.whl 
pip install torchaudio-0.8.1-cp37-cp37m-linux_aarch64.whl

NOTE: 测试了一下vgg16前向计算，感觉速度过于慢了，感觉不太正常！从源码编译安装试试（待完成） ***

仔细找了一下，发现pytorch官方其实发布了各个版本编译的whl文件，其中就包括了aarch64版本的，下载地址:https://download.pytorch.org/whl/cpu/torch_stable.html，我从中下载安装了pytorch1.8.1和torchvision0.9.1，模型前向计算速度感觉应该是正常了，但是会有警告输出。

此外，我新建了一个虚拟环境（命名为pytorch），在该环境下安装测试了pytorch-1.9.0 （linux_aarch64那个，manylinux2014_aarch64安装后使用异常） + torchvision-0.10.0 + torchaudio-0.9.0（推荐安装这个版本），安装后用使用正常，没有奇怪的警告输出，且使用YOLO_v5进行测试也正常。（1.10.0版本安装后存在问题，其他版本未提供whl文件或缺少torchvision的whl文件）

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述 ***

3.2.2 从源码进行编译安装

$\color{red}{NOTE: 以下部分为非必要操作}$

NOTE：在Raspberry PI OS aarch64系统下测试可行，未在Ubuntu Mate上测试，在Ubuntu Mate上应该是一致的。 自己手动编译安装Pytorch、torchvision、torchaudio（未测试） 此处我编译安装的版本为：pytorch 1.8.1，torchvisioin 0.9.1 （参考官方github readme，以及用树莓派4b构建深度学习应用（四）PyTorch篇和树莓派安装pytorch，史上最全方法合集（附安装链接））

>1. 依赖库的安装及一些预操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# 在虚拟环境 raspi 下进行编译和安装
conda activate raspi
# 依赖库的安装来源于官方github readme，
# 其中mkl mkl-include库的安装有问题，无法找到相关包
conda install astunparse numpy ninja pyyaml setuptools cmake cffi typing_extensions future six requests dataclasses
conda install pillow

# 临时编译参数设置，可设置的参数很多，此处参考的是其他blog的设置，
# 具体有哪些可设置的参数也没找到一个详细的介绍（先这样吧）
export NO_CUDA=1
export NO_DISTRIBUTED=1
export NO_MKLDNN=1
export NO_NNPACK=1
export NO_QNNPACK=1

>2. 下载pytorch源码并拉取所要安装的分支版本

1
2
3
4
5

cd ~/Downloads
git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
git checkout v1.8.1
git submodule update --init  --recursive

>3. 编译pytorch生成whl文件并安装

1
2
3
4
5

python setup.py bdist_wheel
# 生成的 whl 文件存储于 dist 路径下
cd dist
# 安装 whl
pip install torchvision-0.9.0a0+8fb5838-cp37-cp37m-linux_aarch64.whl

在这里插入图片描述

>4. 下载torchvision源码并拉取与pytorch版本匹配的分支版本

1
2
3
4
5
6

cd ~/Downloads
git clone https://github.com/pytorch/vision
cd vision
# pytorch 1.8.1 对应 vision 版本为 0.9.1
git checkout v0.9.1
git submodule update --init --recursive

>5. 编译torchvision生成whl文件并安装

1
2
3

python setup.py bdist_wheel
cd dist
pip install torchvision-0.9.0a0+8fb5838-cp37-cp37m-linux_aarch64.whl

在这里插入图片描述

>6. 测试 测试结果正常，前向推理速度应该也正常。

在这里插入图片描述

yolo_v5测试结果也正常

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Blogs, 环境配置
环境配置
This post is licensed under CC BY 4.0 by the author.
Recently Updated
Contents

PyTorch单机多卡训练（DDP-DistributedDataParallel的使用）备忘记录

Jupyter Lab配置远程访问及虚拟环境