Raspberry Pi Desktop (for PC and Mac) で Python 開発環境（OpenCV, dlib, scikit-learn ほか）を整える

システム更新

1. 端末を開く
2. 次のコマンドを実行する．

   Debian 11 (bullseye) は旧安定版であり，通常のセキュリティサポートは終了し，LTS（長期サポート）による更新提供期間に入っている．更新の適用は行っておく．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -yV upgrade
   sudo apt -yV dist-upgrade
   sudo apt -yV autoremove
   sudo apt autoclean
   sudo shutdown -r now
   

   rpi-update は Raspberry Pi 本体（ARM）のファームウェアを更新するコマンドであり，PC や Mac で動作する Raspberry Pi Desktop では実行しない．

Python 開発環境，ビルドツール，Git, cmake などのインストール

1. 端末を開く
2. Python 開発環境，pip, venv，コンパイラのインストール

   次のコマンドを実行する．

   Debian 11 (bullseye) では Python 2 系は提供されていない．Python 3 のみを使用する．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install python3-dev python3-pip python3-venv python3-setuptools python3-wheel build-essential
   

   
3. Git, cmake, curl, wget, p7zip-full のインストール

   次のコマンドを実行する．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install git cmake cmake-curses-gui cmake-gui curl wget p7zip-full
   

4. dlib のビルドに必要なライブラリのインストール

   次のコマンドを実行する．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install libopenblas-dev liblapack-dev libx11-dev libgtk-3-dev pkg-config
   

   OpenBLAS は行列演算のライブラリである．dlib のビルド時に検出されると，行列演算が高速化される．

Python の仮想環境の作成（venv を使用）

Python の仮想環境を作ることで，システムの Python 環境と，作業用の Python 環境を分けることができる．Debian 11 以降では，システムの Python に pip で直接パッケージを入れると，apt が管理するファイルと衝突することがあるため，仮想環境を用いる．

1. これから作成するPython の仮想環境の名前を決めておく
   • Python の仮想環境の名前: ai
   • Python のバージョン: 3.9（Debian 11 に同梱されているもの）
2. 端末を開く
3. Python の仮想環境を作成する

   次のコマンドを実行する．

   --system-site-packages は，apt でインストールした Python パッケージ（python3-numpy, python3-opencv など）を，仮想環境の中からも使えるようにするためのオプションである．32ビット環境では apt のパッケージを活用する必要があるため，このオプションを付ける．

   python3 -m venv --system-site-packages ~/venv/ai
   

4. 作成できたことを確認する

   次のコマンドを実行する．ディレクトリの一覧が表示されれば作成できている．

   ls ~/venv/ai
   

作成した Python 仮想環境を使いたいとき

• 端末を開く
• 端末で，次のコマンドを実行し，Python の仮想環境（名前は ai）を有効にする

  source ~/venv/ai/bin/activate
  

  プロンプトの先頭に「(ai)」と表示されれば，仮想環境が有効になっている．

• 仮想環境から抜けたいときは，次のコマンドを実行する

  deactivate
  

NumPy, SciPy, scikit-learn, scikit-image, Matplotlib, pandas, h5py, Jupyter Notebook などのインストール

32ビット Linux では，これらのパッケージの新しいバージョンについて PyPI にビルド済みパッケージが無い．pip でインストールしようとするとソースからのビルドとなり，長時間かかるか失敗する．そのため apt でインストールする．

1. 端末を開く
2. NumPy, SciPy, scikit-learn, scikit-image, Matplotlib, seaborn, pandas, Pillow, h5py, PyYAML, Cython のインストール

   次のコマンドを実行する．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install python3-numpy python3-scipy python3-sklearn python3-skimage python3-matplotlib python3-seaborn python3-pandas python3-pil python3-h5py python3-yaml python3-cython
   

3. Jupyter Notebook, pytest, docopt のインストール

   次のコマンドを実行する．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install jupyter jupyter-notebook python3-pytest python3-docopt
   

4. Python の統合開発環境のインストール

   次のコマンドを実行する．Spyder と Thonny はいずれも Python の開発環境である．Thonny は Raspberry Pi Desktop に標準で含まれている．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install spyder
   

5. NumPy のバージョン確認

   Python の仮想環境（名前は ai）を有効にしてから，バージョンを表示する．

   バージョン番号が表示されれば確認できたことになる．

   source ~/venv/ai/bin/activate
   python -c "import numpy; print( numpy.__version__ )"
   

OpenCV のインストール

OpenCV は，コンピュータビジョン，画像処理，機械学習の機能を持つライブラリである．32ビット Linux 向けの opencv-python のビルド済みパッケージは PyPI に無いため，apt でインストールする．Debian 11 (bullseye) が提供する OpenCV のバージョンは 4.5.1 である．

1. 端末を開く
2. OpenCV のインストール

   次のコマンドを実行する．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install python3-opencv libopencv-dev opencv-data
   

3. OpenCV のバージョン確認

   Python の仮想環境（名前は ai）を有効にしてから，バージョンを表示する．

   バージョン番号が表示されれば確認できたことになる．

   source ~/venv/ai/bin/activate
   python -c "import cv2; print( cv2.__version__ )"
   

   
4. 顔検出による動作確認

   次のコマンドを実行する．画像をダウンロードし，OpenCV の Haar Cascade 分類器で顔を検出し，検出された個数を表示する．

   cd /tmp
   wget https://www.kkaneko.jp/tools/raspbian/124.png
   source ~/venv/ai/bin/activate
   python -c "import cv2; img = cv2.imread('/tmp/124.png'); c = cv2.CascadeClassifier('/usr/share/opencv4/haarcascades/haarcascade_frontalface_default.xml'); print( len(c.detectMultiScale(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY))) )"
   

dlib, face_recognition のインストール

dlib は，機械学習，画像処理，顔検出，顔識別などの機能を持つ C++ のライブラリであり，Python から使うことができる．face_recognition は，dlib を用いた顔認識のパッケージである．

dlib の Python パッケージは，PyPI にソースコードのみが配布されている．pip でインストールすると，ソースコードからのビルドが行われる．ビルドには時間がかかる（32ビット環境では数十分以上を要することがある）．

1. 端末を開く
2. Python の仮想環境（名前は ai）を有効にする

   次のコマンドを実行する．

   source ~/venv/ai/bin/activate
   

3. pip の更新

   次のコマンドを実行する．

   python -m pip install -U pip setuptools wheel
   

4. dlib のインストール

   次のコマンドを実行する．ビルドが行われるため，終わるまで待つ．

   python -m pip install -v dlib
   

   搭載メモリが少ない環境では，ビルド中にメモリ不足でエラーになることがある．その場合は，スワップ領域を増やす，あるいは MAKEFLAGS="-j1" を付けて並列ビルドを行わないようにする．

   MAKEFLAGS="-j1" python -m pip install -v dlib
   

5. dlib のバージョン確認
   バージョン番号が表示されれば確認できたことになる．

   python -c "import dlib; print( dlib.__version__ )"
   

6. face_recognition のインストール

   次のコマンドを実行する．

   python -m pip install face_recognition
   

7. face_recognition の動作確認

   次のコマンドを実行する．画像から検出された顔の個数が表示される．

   cd /tmp
   wget -N https://www.kkaneko.jp/tools/raspbian/124.png
   python -c "import face_recognition; print( len(face_recognition.face_locations(face_recognition.load_image_file('/tmp/124.png'))) )"
   

TensorFlow, Keras を使いたいとき

TensorFlow は，ニューラルネットワークや深層学習に用いられるライブラリである．Keras は，ニューラルネットワークを記述するための API であり，TensorFlow 2 以降では tf.keras として TensorFlow に同梱されている．

TensorFlow は 64ビット環境のみをサポートしており，32ビット x86 (i386) 向けの公式ビルドは配布されていない．Raspberry Pi Desktop (for PC and Mac) は 32ビット版のみであるため，この OS 上で TensorFlow を動作させることはできない．ソースコードからのビルドも 32ビット x86 はサポート対象外である．同様に，TensorFlow を必要とする mtcnn などのパッケージも動作しない．

TensorFlow, Keras を使う場合の選択肢は次の通りである．

• 64ビット版の Linux を PC にインストールして使う：Debian，Ubuntu などの 64ビット版をインストールし，「python3 -m pip install tensorflow」でインストールする．
• Raspberry Pi 本体で 64ビット版の Raspberry Pi OS を使う：Raspberry Pi 4 以降で 64ビット版の Raspberry Pi OS (aarch64) を用いると，「python3 -m pip install tensorflow」でインストールできる．
• Google Colaboratory を使う：Web ブラウザ上で TensorFlow, Keras を実行できる．手順は「Google Colaboratory」のページで説明している．

（64ビット環境での確認）Keras を使った画像分類

TensorFlow をインストールした 64ビット環境では，次の手順で動作を確認できる．

1. 次の画像を使うことにする
   

   次のコマンドで，画像をダウンロードし，ImageMagick を使って画像表示する．

   cd /tmp
   wget -N https://www.kkaneko.jp/tools/raspbian/124.png
   display 124.png
   

2. 端末を開く
3. Python のプログラムを実行したいので，端末で「python」を実行する

   python
   

4. 次のプログラムをコピー＆ペーストする

   学習済みモデル InceptionV3 により画像を分類し，スコアの高い 5 件を表示する．初回実行時はモデルのダウンロードが行われる．

   import numpy as np
   from tensorflow.keras.preprocessing import image
   from tensorflow.keras.applications.inception_v3 import preprocess_input, decode_predictions, InceptionV3
   
   model = InceptionV3(weights='imagenet')
   img_path = '/tmp/124.png'
   img = image.load_img(img_path, target_size=(299, 299))
   x = image.img_to_array(img)
   x = np.expand_dims(x, axis=0)
   x = preprocess_input(x)
   
   preds = model.predict(x)
   
   print('Predicted:')
   for p in decode_predictions(preds, top=5)[0]:
       print("Score {}, Label {}".format(p[2], p[1]))
   

5. exit() で終わる

imutils, folium, overpy, exifread, haversine, utm, msgpack, geopandas のインストール

これらは，画像処理の補助（imutils），地図表示（folium），OpenStreetMap のデータ取得（overpy），Exif 情報の読み取り（exifread），2 地点間距離の計算（haversine），UTM 座標の変換（utm），データ直列化（msgpack），地理空間データの処理（geopandas）を行うパッケージである．

1. 端末を開く
2. Python の仮想環境（名前は ai）を有効にする

   次のコマンドを実行する．

   source ~/venv/ai/bin/activate
   

3. geopandas の前提パッケージのインストール

   geopandas は GDAL, GEOS, PROJ を必要とする．apt でインストールする．

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install python3-geopandas python3-fiona python3-shapely python3-pyproj
   

4. imutils, folium, overpy, exifread, haversine, utm, msgpack のインストール

   次のコマンドを実行する．いずれも Python のみで記述されているか，ビルドが軽量であるため，pip でインストールできる．

   python -m pip install imutils folium overpy exifread haversine utm msgpack
   

5. imutils のバージョン確認
   バージョン番号が表示されれば確認できたことになる．

   python -c "import imutils; print( imutils.__version__ )"
   

   
6. geopandas のバージョン確認
   バージョン番号が表示されれば確認できたことになる．

   python -c "import geopandas; print( geopandas.__version__ )"
   

7. その他，各種パッケージのインストール

   下から必要なものを選んでインストールする．Web アプリケーション（Flask, Django），数式処理（SymPy），グラフ描画（Graphviz, pydot），自然言語処理（gensim），静的解析（Pylint）などである．

   sudo apt -y install graphviz python3-pydot python3-flask python3-django python3-sympy sqlite3 redis-server python3-gensim pylint