在 Raspberry Pi 上安裝 scikit-learn 機器學習套件

由 AlexLeo · 2019-06-13

非常方便，且功能完備的機器學習套件！

使用 `arm64` 架構的映像檔

因為套件支援的關係，我們必須使用 64 位元的 ARM 映像檔。因為目前官方尚未提供 arm64 的作業系統，為了方便，我們將使用 Ubuntu 官方釋出的專用映像檔（僅適用於 3B 或 3B+）

到這裡 ARM/RaspberryPi – Ubuntu Wiki

小獅建議使用 Etcher.io 寫入映像檔，因為它會檢查寫入的時候有沒有出錯，而且跨平台（Linux / MacOS / Windows）

下載 : https://www.balena.io/etcher/

檢查 `SWAP`

因為等一下編譯會用到很多記憶體，請務必確認你有 1GB 以上的 SWAP 空間

free -h
              total        used        free      shared  buff/cache   available
Mem:           912M         87M        299M         52K        525M        809M
Swap:          1.0G         45M        978M

free -h

total used free shared buff/cache available

Mem: 912M 87M 299M 52K 525M 809M

Swap: 1.0G 45M 978M

如果沒有的話，請參考這篇文章

安裝 `scikit-learn`

首先安裝 Python 3.7（或者 3.6 也可以）和 virtualenv

sudo apt install python3.7-dev python3.7-venv virtualenv

1 2	sudo apt install python3.7-dev python3.7-venv virtualenv

安裝一些編譯時必要的工具

sudo apt install build-essential
sudo apt install gfortran libopenblas-dev liblapack-dev

sudo apt install build-essential

sudo apt install gfortran libopenblas-dev liblapack-dev

建立 venv

python3.7 -m venv ~/py3

1 2	python3.7 -m venv ~/py3

切換到 venv

$ source ~/py3/bin/activate
(py3) $ python --version
Python 3.7.1

$ source ~/py3/bin/activate

(py3) $ python --version

Python 3.7.1

更新一下 Python 的工具

pip install pip --upgrade
pip install setuptools --upgrade
pip install wheel --upgrade

pip install pip --upgrade

pip install setuptools --upgrade

pip install wheel --upgrade

安裝相依套件（不要鐵齒，一定要先裝）這個步驟大概需要花 1 個小時，請耐心等候！

pip install Cython --upgrade
pip install numpy --upgrade
pip install scipy --upgrade

pip install Cython --upgrade

pip install numpy --upgrade

pip install scipy --upgrade

終於要開始安裝了！這個步驟也請耐心等候！

pip install scikit-learn

1 2	pip install scikit-learn

測試 `scikit-learn`

試一下能不能用（參考：Ex 1: Recognizing hand-written digits – machine-learning）

from sklearn import datasets, svm, metrics

digits = datasets.load_digits()
images_and_labels = list(zip(digits.images, digits.target))
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))

classifier = svm.SVC(gamma=0.001)
classifier.fit(data[:n_samples // 2], digits.target[:n_samples // 2])

expected = digits.target[n_samples // 2:]
predicted = classifier.predict(data[n_samples // 2:])

print('Confusion matrix:\n{}'.format(metrics.confusion_matrix(expected, predicted)))

from sklearn import datasets, svm, metrics

digits = datasets.load_digits()

images_and_labels = list(zip(digits.images, digits.target))

n_samples = len(digits.images)

data = digits.images.reshape((n_samples, -1))

classifier = svm.SVC(gamma=0.001)

classifier.fit(data[:n_samples // 2], digits.target[:n_samples // 2])

expected = digits.target[n_samples // 2:]

predicted = classifier.predict(data[n_samples // 2:])

print('Confusion matrix:\n{}'.format(metrics.confusion_matrix(expected, predicted)))

輸出大概長這樣：

Confusion matrix:
[[87  0  0  0  1  0  0  0  0  0]
 [ 0 88  1  0  0  0  0  0  1  1]
 [ 0  0 85  1  0  0  0  0  0  0]
 [ 0  0  0 79  0  3  0  4  5  0]
 [ 0  0  0  0 88  0  0  0  0  4]
 [ 0  0  0  0  0 88  1  0  0  2]
 [ 0  1  0  0  0  0 90  0  0  0]
 [ 0  0  0  0  0  1  0 88  0  0]
 [ 0  0  0  0  0  0  0  0 88  0]
 [ 0  0  0  1  0  1  0  0  0 90]]