Kiedy potrzebujemy dokonać predykcji lub klasyfikacji na SBC z Linuxem (mikrokomputerze typu Raspberry Pi lub Luckfox Lyra) musimy często skorzystać z jednego z popularnych frameworków oraz biblitek w języku Python lub innym do pracy w dziedzinie uczenia maszynowego (ang. Machine Learning).
W świecie Open Source dość ciekawą propozycją jest TensofFlow Lite dla mikrokomputerów.
Instalacja tylko lekkiej wersji TFLite runtime
Oto jak zainstalujesz w języku Python tzw. runtime TFLite z terminala Linux:
$ python3 -m pip install tflite-runtime
Taki sposób instalacji wspiera większość mikrokomputerów, włączając architektury ARMv7 i ARM64. Potrzebujesz zaledwie ~20MB wolnego miejsca na dysku lub karcie – to ma czasami ogromne znaczenie w mikrokomputerach.
Instalacja pełnej wersji TFLite runtime i API i trenowanie modeli
Opcjonalnie możesz chcieć zainstalować pełną wersję TensorFlow Lite, kiedy zachodzi potrzeba trenowania modelu z pełnym API.
$ python3 -m pip install tensorflow-cpu
Warto wziąść pod uwagę fakt, że trenowanie modeli ML na maszynach z ograniczonymi zasobami RAM i CPU, bez TPU/NPU/GPU będzie bardzo kosztowne czasowo np: zamiast kilka godzin, będzie to trening kilkudniowy!
Jak zweryfikować, czy instalacja się udała?
$ python3
>> import tflite_runtime.interpreter as tflite
>> interpreter = tflite.Interpreter(model_path="your_model.tflite")
>> interpreter.allocate_tensors()
>> print("✅ TFLite is working on CPU")
