안녕하세요. 

만약, 처음 이 글을 보신다면 아래 글을 먼저 읽어보시는 것을 추천드립니다.

1편 : Coral Board 대신 라즈베리파이를 사용하는 이유 : https://coding-yoon.tistory.com/85?category=866905

2편 : USB Accelerator(Edge TPU) 환경설정 : https://coding-yoon.tistory.com/87?category=866905

3편 : Coral Edge TPU 예제 돌리기 : https://coding-yoon.tistory.com/88

Edge TPU는 CNN과 같은 Deep feed-forward 신경망을 실행할 수 있습니다.

8비트 Edge TPU 용으로 컴파일 된 TensorFlow Lite 모델만 지원하며, 32비트 TensorFlow는 지원하지 않습니다. 

Tensor Lite로 직접 모델을 학습시킬 수 없고, Transfer Learning(전이 학습)을 통해 모델을 향샹시킬 수 있습니다.

TensorFlow(.pb)나 Keras(.h5)(32bit)를  통해 학습된 모델을 TensorFlow Lite Converter를 사용하여 TensorFlow 파일에서 TensorFlow Lite (.tflite)로 모델을 변환해야합니다. 

<참고> 

저는 Coral로 개발을 할 때 개인적으로 Keras를 추천드리고 싶습니다. 

Edge TPU가 모든 연산을 하는 것은 아닙니다. 공식 홈페이지에서 Edge TPU가 지원하는 연산들을 소개합니다. 

모바일넷과 같은 경량 모델에서 사용하는 연산들을 지원하며, 예제들 또한 Keras모델을 불러와 학습시켰습니다.

예를 들면 Depthwise Seperable Convolution을 찾을 수 있고, 경량 모델 : MobileNet,  Xception 등을 볼 수 있습니다.

https://coding-yoon.tistory.com/77?category=825914

우선, TensorFlow나 Keras로 학습된 모델을 저장해야 합니다. 

TensorFlow로 학습했다면, (.pb)파일,

Keras로 학습했다면 (.h5)파일

학습된 모델(32bit)을 TensorFlow Lite Converter(8bit)로 변환해야합니다.

변환한 모델을 저장합니다.

이제 모델이 준비가 끝났습니다. 최소한의 코드로 작성했습니다.

지원하는 연산입니다. 지원하는 연산을 더 보고 싶으시면 아래 주소를 달아놓을테니 보시면 좋을 것 같습니다.

파란색 Input_data가 추론하고자 하는 실제 데이터입니다. 

input쪽이 코드가 길어져 input_tensor로 따로 함수화를 시켰습니다.

Coral 공식 GitHub예제를 따라했습니다.

output쪽은 그렇게 길지 않기 때문에 tensorflow lite 공식 홈페이지를 따라했습니다.

추론을 시작하는 코드는 Interpreter.invoke()입니다.

추론을 완료하면 output_data에 추론 값이 담겨 있습니다.

다음 글은 간단한 모델을 하나 불러와 실제로 추론을 한 번 해보겠습니다. 

https://coral.ai/docs/edgetpu/models-intro/#compatibility-overview

https://www.tensorflow.org/tutorials/keras/save_and_load?hl=ko

https://www.tensorflow.org/lite/convert/python_api

https://coral.ai/docs/edgetpu/tflite-python/#load-tensorflow-lite-and-run-an-inference

https://www.tensorflow.org/api_docs/python/tf/lite/Interpreter

안녕하세요. 라즈베리파이를 사고 개발환경을 세팅을 완료하였습니다. 

제가 리눅스와 라즈베리파이를 처음 사용했기에, 이번 기회에 공부를 하며 일기 형태로 글을 올리는게 목표입니다.

이런식으로 기록한다면, 저처럼 라즈베리파이를 처음 만져본 사람들도 글의 순서대로 따라오신다면 금방 하지 않을까

생각했습니다. 

다시 부팅할 때에도 까먹었다면, 다시 볼 수있고... 

1. 라즈베리파이 한글 셋팅 

구글링 할 때 예로, 한글이 되지 않아 라즈베리파이를 fkwmqpflvkdl로 대충 쳐서 자동 완성은 되지만 너무 불편해서 한글을 셋팅을 하였습니다. 

geeksvoyage.com/raspberry%20pi4/korean-fonts-for-pi4/

만약 제 방식대로 따라 오셨다면 위 블로그로 한글을 세팅하시면 됩니다. 

2. 라즈베리파이 VS Code 설치

저는 vim, nano를 사용하지 않을 것이며, 

윈도우 유저들이 우분투에서 VS Code를 많이 사용하시기에, 저 또한 VS Code로 설치했습니다.

아래 블로그 분은 라즈비안이지만, 같은 리눅스 계열이기 때문에 설치에는 문제없습니다.  

m.blog.naver.com/PostView.nhn?blogId=codingspecialist&logNo=221440890926&proxyReferer=https:%2F%2Fwww.google.com%2F

3. 라즈베리파이 VS Code Python Setting

VS Code를 깔았다면 Python 준비를 해야겠지요? 

somjang.tistory.com/entry/PythonVisual-Studio-Code-%EA%B0%9C%EB%B0%9C%ED%99%98%EA%B2%BD-%EC%84%A4%EC%A0%95%ED%95%98%EA%B8%B0feat-Ubuntu

4. 외부 라이브러리를 사용하기 위해 PIP 설치하기

sudo apt-get install python-pip  # python2

sudo apt-get install python-pip3  # python3

우선 python2 pip를 설치하는 명령어도 올렸지만, python2를 써본 적이 한 번도 없습니다. 

만약, 저처럼 파이썬을 시작한지 별로 안되셨다면 pip3를 설치하세요.

설치가 완료되었다면 아무 라이브러리나 설치해보겠습니다.

pip3 install numpy  # numpy 설치

numpy를 설치하는 명령문입니다. pip3 install (라이브러리 명) 으로 가시면 됩니다. 

깔리는 기준은 우분투에 기본으로 등록된 python으로 라이브러리가 설치됩니다. 

무슨 말이냐면, 처음에 ubunut를 설치할 때 python3 -V를 통해서 python version을 확인했습니다. 

저같은 경우는 python3.8.2가 설치되어 있습니다. 

pip3를 통해 설치하시게 되면, 

python3.8 경로로 설치된 것을 보실 수 있습니다. 

이거를 설명하는 이유는, python 같은 경우는 버전별로 사용하는 것이 굉장히 중요합니다. 

예를 들어 라즈베리파이4에 usb accelerator를 사용한다면,

요구사항에 3.5, 3.6, 3.7만 지원한다고 합니다. 

현재 제 우분투에 깔려 있는 python 3.8로 호환되지 않습니다. 무조건 최신 버젼이라고 좋은 것이 아닙니다. 

가장 원초적인 방법은 라즈베리파이의 기본 python을 변경하는 방법이지만, 그것까지 소개하면 글이 너무 길어지기

때문에 , 우선 가장 쉽고 VS Code로 개발을 할 예정이기 때문에 VS Code로 python version을 변경해보겠습니다.

5. VS Code Python Interpreter Version 변경

stackoverflow.com/questions/58470563/how-do-you-get-visual-studio-code-to-use-different-python-interpreter

구글에 vs code python version change를 검색해보니, stackoverflow에 누가 이미 질문을 해놨더라구요.

Open command pallete with F1 (on Windows) and type Python: Select Interpreter.

(1) VS Code가 켜져 있는 상태에서 F1 누르기

(2) Python: Select Interpreter

(3) 원하는 Python Version 선택

깔려있는 Python이 3.8.2밖에 없어 하나밖에 뜨지 않는 모습입니다.

네... 이렇게 라즈베리파이 개발환경까지 준비를 모두 마쳤습니다. 

이제는 LED부터 해서 각종 센서들을 맛볼 수 있겠네요. 수고하셨습니다!