1 更换国内源
sudo nano /etc/apt/sources.list
清华大学软件源buster版本
deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi
清华大学软件源stretch版本：
deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main non-free contrib rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main non-free contrib rpi
[ Ctrl+O ]保存，回车，[ Ctrl+X ]退出
修改系统更新源
sudo nano /etc/apt/sources.list.d/raspi.list
清华大学软件源buster版本：
deb http://mirrors.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui
清华大学软件源stretch版本：
deb http://mirrors.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
[ Ctrl+O ]保存，回车，[ Ctrl+X ]退出
- 同步更新源
sudo apt-get update
- 更新软件包
sudo apt-get upgrade
2 VNC 安装
sudo nano /boot/config.txt
hdmi_force_hotplug=1
config_hdmi_boost=7
hdmi_group=2
hdmi_mode=1
hdmi_mode=87
hdmi_drive=1
display_rotate=0
hdmi_cvt 1920 1080 60 6 0 0 0
3 WIFI密码设置
- wifi密码设置完后，拷贝到烧录Uboot中，即可实现WiFi登录
4 OPENCV移植
- lib库安装
sudo apt-get install -y libopencv-dev python3-opencv
sudo apt-get install libatlas-base-dev
sudo apt-get install libjasper-dev
sudo apt-get install libqtgui4
sudo apt-get install python3-pyqt5
sudo apt install libqt4-test
使用已经下载好的whl包
pip3 install opencv_python-4.5.5.62-cp37-cp37m-linux_armv7l.whl
pip3 install numpy-1.21.5-cp37-cp37m-linux_armv7l.whl --upgrade --ignore-installed
export LD_PRELOAD=/usr/lib/arm-linux-gnueabihf/libatomic.so.1
- opencv_python与numpy安装
- .bashrc
5 安装MediaPipe
基于whl安装包直接安装
pip3 install mediapipe_rpi4-0.8.8-py3-none-any.whl
在线安装：目前总会报错
sudo apt install ffmpeg python3-opencv
sudo apt install libxcb-shm0 libcdio-paranoia-dev libsdl2-2.0-0 libxv1 libtheora0 libva-drm2
libva-x11-2 libvdpau1 libharfbuzz0b libbluray2 libatlas-base-dev libhdf5-103 libgtk-3-0
libdc1394-22 libopenexr23
sudo pip3 install mediapipe-rpi4
6 安装ONNX
- Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。
- ONNX是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如Pytorch, MXNet）可以采用相同格式存储模型数据并交互。 ONNX的规范及代码主要由微软，亚马逊 ，Facebook 和 IBM 等公司共同开发，以开放源代码的方式托管在Github上。 目前官方支持加载ONNX模型并进行推理的深度学习框架有： Caffe2, PyTorch, MXNet，ML.NET，TensorRT 和 Microsoft CNTK，并且 TensorFlow 也非官方的支持ONNX。
基于whl安装包直接安装
pip3 install onnxruntime-1.9.1-cp37-none-linux_armv7l.whl
