Raspberry Pi で Python 仮想環境 (venv), TensorFlow, Keras をインストール

前準備

Raspberry Pi OS のインストール

1. Raspberry Pi Imager を用いて、64 ビット版の Raspberry Pi OS を microSD カード等に書き込む: 別ページ »で説明

   書き込みの前の設定画面で、ホスト名、ユーザ名、パスワードを設定し、SSH を有効化しておく。2022 年 4 月以降の Raspberry Pi OS では、ユーザ名 pi とパスワード raspberry の既定のアカウントは作成されない。

2. Raspberry Pi OS の初期設定: 別ページ »で説明

Windows から Raspberry Pi にログイン

1. Windows で MobaXTerm を起動
   
   MobaXTerm は、次のサイトで配布されている。MobaXTerm Home Edition (installer edition) をダウンロードしてインストールする。

   https://mobaxterm.mobatek.net/

   

   「MobaXTerm のインストール」については、別のページで説明している

2. MobaXTerm で「Start local terminal」をクリック
   
3. 「ssh -X」を実行し、Raspberry Pi にリモートログイン

   「-X」は X11 転送のオプションである。Raspberry Pi 側で起動した画面表示を伴うプログラムを、Windows の画面に表示できる。

   ユーザ名とホスト名は、Raspberry Pi Imager で設定したものを指定する。

   ssh -X pi@raspberrypi.local
   

4. パスワードを入力

   * Raspberry Pi Imager で設定したパスワードを入力する

   * パスワードを入力するとき、画面には何も表示されない。これは正常な動作である。

   初回接続時は、接続先の鍵を登録してよいかの確認表示が出るので「yes」と入力する

Raspberry Pi OS のシステム更新

最初に、システムの更新を行っておく。 Raspberry Pi にリモートログインした後、次のコマンドを実行する。 最後の「sudo reboot」で、システムが再起動する（Windows との接続は切れる）。

# パッケージリストの情報を更新
sudo apt update
sudo apt -yV full-upgrade
sudo apt -yV autoremove
sudo apt autoclean
sudo reboot

Raspberry Pi OS の初期設定

Raspberry Pi OS の初期設定については、 「Raspberry Pi OS の初期設定」のページで説明している。

Git, cmake, wget, 7zip のインストール

Windows パソコンで、上の「Windows から Raspberry Pi にログイン」の操作を行った後、 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 wget 7zip

Python の仮想環境の作成（venv を使用）

Raspberry Pi OS では、PEP 668 により、システムの Python に pip でパッケージを追加しようとすると externally-managed-environment のエラーになる。パッケージの追加は、Python の仮想環境を作成して、その中で行う。仮想環境の作成には、Python に標準で付属する venv を使用する。

1. 今から作成するPython の仮想環境の名前を決めておく
   • Python の仮想環境の名前: tf
   • 作成先のディレクトリ: $HOME/tf
2. Windows パソコンで、上の「Windows から Raspberry Pi にログイン」の操作を行う
3. venv の利用に必要なパッケージのインストール

   sudo apt update
   sudo apt -y install python3-venv python3-pip python3-dev
   

4. venv を使って、隔離された Python 環境を作る

   python3 -m venv $HOME/tf
   

5. Python 環境が作成できたことを確認

   「source」で仮想環境を有効化し、Python のバージョンとインストール済みパッケージを表示する

   source $HOME/tf/bin/activate
   python -V
   python -m pip install -U pip setuptools wheel
   pip list
   

これで、もとからのシステムの Python 環境と、 新規作成された Python 環境（$HOME/tf）が共存できた。

作成した Python 仮想環境を使いたいとき

端末で、次のコマンドを実行し、Python 環境（$HOME/tf）を有効にする。 プロンプトの先頭に「(tf)」と表示される。

source $HOME/tf/bin/activate

仮想環境を抜けるときは、次のコマンドを実行する

deactivate

Raspberry Pi で TensorFlow, Keras をインストール

1. Windows パソコンで、上の「Windows から Raspberry Pi にログイン」の操作を行う
2. 端末で、次のコマンドを実行し、Python 仮想環境 $HOME/tf を有効にする

   source $HOME/tf/bin/activate
   

3. TensorFlow, Keras のインストール

   TensorFlow 2.16 以降では、「pip install tensorflow」により Keras 3 が同時にインストールされる。ダウンロードするファイルが大きい（aarch64 版で約 280M バイト）ため、インストールには時間がかかる。

   # パッケージリストの情報を更新
   sudo apt update
   sudo apt -y install libopenblas-dev libhdf5-dev
   python -m pip install -U tensorflow
   pip list
   

4. TensorFlow のバージョン確認

   バージョン番号が表示されれば、インストールは成功している

   python -c "import tensorflow as tf; print( tf.__version__ )"
   

5. Keras のバージョン確認

   バージョン番号が表示されれば、インストールは成功している

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

確認のため Keras を使ってみる

1. Windows パソコンで、上の「Windows から Raspberry Pi にログイン」の操作を行う
2. 端末で、次のコマンドを実行し、Python 仮想環境 $HOME/tf を有効にする

   source $HOME/tf/bin/activate
   

3. 前準備として ImageMagick をインストール

   画像ファイルを画面に表示するために使用する

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

4. 前準備として pillow のインストール

   Keras の画像読み込み機能が pillow を使用する

   python -m pip install -U pillow
   

5. 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 の display コマンドで表示する。display コマンドの画面表示には、ssh の -X オプションによる X11 転送が必要である。

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

6. ディープラーニングで、画像分類を行ってみる

   Python のプログラムを実行したいので、まず、端末で「python」を実行する

   python
   

7. 次のプログラムをコピー＆ペーストする

   VGG16 を使うプログラム。ImageNet の学習済みモデルを用いて、画像を 1000 クラスに分類し、スコアの上位 5 件を表示する。学習済みモデルのファイルは、初回実行時に自動でダウンロードされる。VGG16 の入力サイズは 224 × 224 である。

   import numpy as np
   from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictions
   from keras.utils import load_img, img_to_array
   
   m = VGG16(weights='imagenet')
   
   img_path = '/tmp/124.png'
   img = load_img(img_path, target_size=(224, 224))
   x = img_to_array(img)
   x = np.expand_dims(x, axis=0)
   x = preprocess_input(x)
   
   preds = m.predict(x)
   
   print('Predicted:')
   for p in decode_predictions(preds, top=5)[0]:
       print("Score {}, Label {}".format(p[2], p[1]))
   

   InceptionV3 を使うプログラム。InceptionV3 の入力サイズは 299 × 299 である。

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

8. exit() で Python を終了する

   exit()