分类机器学习下的文章

Tensorflow-lite

https://tensorflow.google.cn/lite/guide/build_cmake?hl=zh-cn

Download git - tensorflow

cd ~
mkdir tflite-micro
cd tflite-micro

git clone https://github.com/tensorflow/tensorflow

cd tensorflow

Install deps

Ubuntu

sudo apt-get update
sudo apt-get install git build-essential cmake python3 python3-pip

macos

brew install git cmake python

Download & instal Bazel

安装 Bazelisk（自动管理 Bazel 版本）

curl -L https://github.com/bazelbuild/bazelisk/releases/download/v1.17.0/bazelisk-linux-amd64 -o /usr/local/bin/bazel
chmod +x /usr/local/bin/bazel

[推荐] 手动管理版本

首先进入 tensorflow 目录查看 .bazelversion

7.4.1

比如目录配置是 7.4.1 那么，就打开 bazel - git https://github.com/bazelbuild/bazel/releases 找到对应的版本，如

macos

https://github.com/bazelbuild/bazel/releases/download/7.4.1/bazel-7.4.1-darwin-arm64

linux

https://github.com/bazelbuild/bazel/releases/download/7.4.1/bazel-7.4.1-linux-x86_64

tflite-micro

1. download tflite-micro

git clone https://github.com/tensorflow/tflite-micro
cd tflite-micro

2. download the suitable version of bazel

cat .bazelversion

# result like 7.0.0

go to https://github.com/bazelbuild/bazel/releases

and download the bazel binary package

mkdir ~/tools/bazel/7.0.0
cd ~/tools/bazel/7.0.0

wget https://github.com/bazelbuild/bazel/releases/download/7.0.0/bazel-7.0.0-linux-x86_64

chmod +x bazel-7.0.0-linux-x86_64
# create link
ln -s bazel-7.0.0-linux-x86_64 bazel

set the env

vi ~/.bashrc

vi ~/.zshrc # macos

# bazel_env_start
export PATH="~/tools/bazel/7.0.0:$PATH"
# bazel_env_end

flush the rcfile

# bash
source ~/.bashrc

# zsh
source ~/.zshrc

Now the env setting is done.

check the version of cmd bazel

bazel --version

# terminal shows below
bazel 7.0.0

macOS使用conda进行机器学习环境配置

1. 安装 Conda

如果你还没有安装 Conda，可以通过以下两种方式之一进行安装：

Anaconda：一个包含 Conda、Python 和许多常用数据科学库的发行版。你可以从 Anaconda 官网下载并安装它。

Miniconda：一个更轻量级的发行版，只包含 Conda 和必要的 Python 组件，你可以使用 Conda 安装其他库。可以从 Miniconda 官网下载并安装它。

2. 创建新的 Conda 环境

为了隔离项目依赖，最好为每个项目创建一个新的 Conda 环境。使用以下命令创建一个新的环境：

conda create -n my_ml_env python=3.12

这里 my_ml_env 是你为环境起的名字，python=3.12 指定了 Python 的版本。你可以根据需要选择不同的 Python 版本。

3. 激活环境

创建环境后，使用以下命令激活环境：

conda activate my_ml_env

4. 安装机器学习库

在激活的环境中，你可以安装所需的机器学习库。Conda 允许你从 Anaconda 仓库安装库，这些库已经为科学计算进行了优化。以下是一些常用的机器学习库：

NumPy：基础数学库。 Pandas：数据分析库。 Matplotlib：绘图库。 Scikit-learn：机器学习库。 TensorFlow 或 PyTorch：深度学习库。安装这些库的命令如下：

conda install numpy pandas matplotlib scikit-learn
conda install tensorflow  # 或者 conda install pytorch

5. 管理环境

查看所有环境：

conda env list

退出环境：

conda deactivate

删除环境：

conda env remove -n my_ml_env

更新和升级更新环境中的所有包：

conda update --all

升级 Conda：

conda update conda

6. 使用 YML 文件管理环境

Conda 允许你使用 YML 文件来管理环境，这样可以更容易地复制和共享环境配置。创建一个 YML 文件，例如 environment.yml，并添加以下内容：

name: my_ml_env
dependencies:
  - python=3.8
  - numpy
  - pandas
  - matplotlib
  - scikit-learn
  - tensorflow
  - jupyter

然后，使用以下命令创建环境：

conda env create -f environment.yml

这将根据 YML 文件中的依赖关系创建环境。

通过这些步骤，你可以使用 Conda 为机器学习项目创建一个完整的开发环境，包括必要的库和工具。Conda 的强大之处在于其能够管理复杂的依赖关系，并且可以轻松地在不同环境之间切换。

编译tflite-micro