Как собрать колесо Python LiteRT для AXC F2152

В прошлом месяце Google объявил о ребрендинге/переименовании TensorFlow Lite в LiteRT (ссылка на статью). Теперь это станет частью обновленной попытки сохранить актуальность парадигмы вычислений Edge с помощью Google AI Edge.

Я уже предоставил доступ к TensorFlow Lite (вместе с numpy и OpenCV) через приложение для образовательных целей в магазине PLCnext (ссылка на приложение). Однако приложение не позволяет пользователям использовать готовое решение, даже если они хотят попробовать что-то совершенно другое или включить другие библиотеки.

Учитывая, что я недавно обновил приложение и мне нужно было освежить память о том, как это сделать, я решил создать этот пост и объяснить, как кросс-компилировать TensorFlow Lite Runtime для AXC F 2152.

Процесс выполнения на последнем этапе может показаться весьма запутанным, поскольку общедоступные библиотеки не обеспечивают прямой поддержки архитектуры процессора AXC F 2152, и поэтому необходима кросс-компиляция.

ПРИМЕЧАНИЕ :Эта процедура была протестирована на:

• Виртуализированный терминал UBUNTU 22.04.
• Виртуальная машина имеет 27 ГБ ОЗУ и дополнительный файл подкачки объемом 16 ГБ [очень актуально для процесса кросс-компиляции] и работает с использованием 24 ядер.
• Хост-машина с 32 ГБ оперативной памяти и процессором Core i7-12850HX.

ПРИМЕЧАНИЕ 2 :Объем оперативной памяти позволяет поддерживать стабильную кросс-компиляцию и работать максимально быстро. Установка с меньшим объемом оперативной памяти может не справиться с процессом кросс-компиляции или может занять слишком много времени (по моему собственному опыту, до нескольких часов).

1. Загрузите исходный код TensorFLow той версии, которую вы хотите скомпилировать. https://github.com/tensorflow/tensorflow/releases/
2. Извлеките содержимое в папку по вашему выбору. В следующих записях ниже я буду использовать «myfolder».
3. Перейдите к «Makefile». " в "/myfolder/tensorflow-2.XX.0/tensorflow/lite/tools/pip_package/Makefile » и измените базовое изображение, версию Python и версию numpy, чтобы они соответствовали версиям вашей системы. Например:
1. перейдите к «downloadtoolchains.sh " находится в "/myfolder/tensorflow-2.XX.0/tensorflow/lite/tools/cmake/download_toolchains.sh " и измените флаги, которые установлены по умолчанию для Armh, как показано здесь:
<ли>

Из папки TensorFlow (/myfolder/tensorflow-2.XX.0) выполните команду:«make -C tensorflow/lite/tools/pip_package docker-build \ TENSORFLOW_TARGET=armhf PYTHON_VERSION=3.10 "

<ли>

ВНИМАНИЕ:Процесс предыдущего шага может занять много времени, проявите терпение.

<ли>

После завершения процесса возьмите колесо Python из «tensorflow-2.XX.0/tensorflow/lite/tools/pip_package/gen/tflite_pip/python3.10/dist». " на свой контроллер и установите его с помощью pip.

ВНИМАНИЕ :По моему опыту, этот процесс работает для Python 3.9, 3.10 и 3.11, а также для выпусков с 2.14 по 2.16.2. Однако в выпусках выше версии 2.17 есть ошибка. У меня есть открытая проблема в репозитории TensorFlow на GitHub, за которой можно следить здесь. Я надеюсь, что эта проблема будет решена в следующих выпусках.

Примечание.

В блоге Makers представлены приложения и пользовательские истории членов сообщества, которые не тестировались и не проверялись Phoenix Contact. Используйте их на свой страх и риск.



Создание отчетов в формате PDF из PLCnext с использованием Python и REST API Собственный образ Java и GraalVM:улучшение возможности подключения к базе данных в производственных приложениях