/前一篇開箱文介紹了Tinker Board 2S / 2GB的相關硬件規格，可以看出TinkerBoard 2S / 2GB其實在硬件性能方面的已經具備不錯的條件，此外，開箱文的介紹里，也提到了Tinker Board 2S采用了aarch64的操作系統架構，以Debian 10 Linux的LXDE桌面環境，更讓使用者有著相當不錯的GUI使用體驗。/

Tinker Board 2S在官方網站上提供了Debian10 Linux操作系統給用戶進行安裝，相關LXDE桌面環境的套件軟件程序，都有相當完整的支持，本文將會著眼在Tinker Board 2S應用在AI范疇中，所應該要在后續的套件軟件程序的安裝介紹，在這次的系統安裝測試過程，我們發現了在Tinker Board 2S安裝的Debian 10 Linux操作系統里，為了安裝一些常用的AI支持套件程序，在安裝過程中仍要補足許多缺漏的相依套件程序，甚至在測試安裝的過程里，也發現了有部分的相依套件程序有斷裂的問題，甚至無法單純采用pip3 install或apt-get install的方式進行相依套件程序的安裝，得要透過一些其他套件程序進行修補斷裂的安裝，這部分將會在后續的文章中詳細說明。

本文將會針對以下這些AI應用程序設計中常用的套件程序安裝進行說明：

1.nano (用于簡易文本編輯器操作)

2.OpenCV 4.5.0 (用于相關視覺影像的接口操作)

3.imutils (用于視覺圖像處理的接口操作)

4.pillow (用于視覺圖像處理的接口操作)

5.tkinter (用于圖形用戶界面 GUI 程序設計)

6.Tensorflow 2.4.1 與Tensorflow-Lite Runtime 2.5.0 (用于神經網絡運算)

7.Python3-Coral (用于GoogleCoral 邊緣張量處理單元Edge-TPU加速器運算)

8.SciKit-Learn (用于神經網絡運算)

一、安裝簡易文本編輯器nano

由于在許多的終端機操作環境下需要快速編修文件，采用精巧且功能完整的文本編輯器nano，一直是許多系統操作者的最愛之一，以下說明安裝流程：

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install nano

二、安裝GTK-2.0相依套件libgtk2.0-dev

本次安裝測試的過程當中，在安裝OpenCV 4.5.0套件程序時，發生了相依套件斷裂的問題，在Tinker Board 2S的Debian 10 Linux系統中因為沒有安裝GTK-2.0 的libgtk2.0-dev套件程序，這將導致在OpenCV4.5.0因cmake無法將 libgtk2.0-dev相依套件進行編譯設定，雖然在后續的make流程都能完成，但最后會在最后Python程序運行時間無法正確使用如imshow、putText等畫面顯示或繪圖的函數，并且會在運行時間報錯，并且提示需要重新進行cmake。

為了將libgtk2.0-dev相依套件程序安裝至系統，筆者初期使用sudo apt-get install libgtk2.0-dev這種方式安裝相依套件程序，但系統卻又報錯，表示還有許多其他相關相依套件有「相依斷裂」的問題，筆者嘗試再以sudo apt-get install去安裝那些相依套件程序，卻依然發現更多的「相依斷裂」，更糟糕的是還發生「循環相依」，所謂「循環相依」表示其他的相依套件程序又循環相依libgtk2.0-dev。

為了解決這種「相依斷裂」與「循環相依」的問題，最后只能透過額外安裝「套件安裝設定程序」的方式來解決，本次教學使用的是安裝「aptitude」套件程序來解決這個問題。

透過「aptitude」套件程序便可以進行libgtk2.0-dev套件程序安裝，以下說明安裝流程：

sudo apt-get install aptitude

sudo aptitude install libgtk2.0-dev

三、安裝OpenCV 4.5.0套件程序

在本篇教學采用OpenCV 4.5.0進行視覺影像接口處理，筆者曾嘗試以sudo apt-get install python-opencv進行套件程序的安裝，結果經過檢查發現，以這種方式安裝的OpenCV版本是3.6版，雖然簡單Python程序函數還是可以執行，可是當遇到更進階的函數如DNN等相關進階應用時，便會產生函數缺漏的問題，有鑒于此，筆者選擇重新以Build from Source的方式進行安裝。

在這里要特別強調一個重要關鍵，在安裝OpenCV 4.5.0套件程序之前，「必須」將前述的GTK-2.0相依套件libgtk2.0-dev先行安裝完成，切莫跳過這個重要步驟。

由于OpenCV 4.5.0的安裝過程需要大量的內存運作空間以進行后續的make流程，因此必須先行安裝虛擬內存的套件程序，并且將虛擬內存設為10240MB，并且將Tinker Board 2S重新啟動，以下說明虛擬內存設定流程：

sudo apt-get update

sudo apt-get upgrade

#安裝dphys-swapfile套件程序

sudo apt-get install dphys-swapfile

#以nano編輯/etc/dphys-swapfile配置文件案

sudo nano /etc/dphys-swapfile

#尋找#CONF_SWAPSIZE= 字符串內容，并且將批注符號# 取消。

#設定CONF_SWAPSIZE=10240

#離開nano文本編輯器

#重新啟動

sudo reboot

下載并編譯安裝OpenCV 4.5.0，請注意，這個階段的安裝時間非常久，筆者大約安裝了近4小時，且在make階段時Tinker Board 2S的散熱片會產生高溫，筆者嘗試使用make -j2或make -j4等多核心的編譯指令，雖然可以加快make流程，但是這種編譯方式會讓CPU的散熱片的溫度飆升，甚至導致熱當機的狀況很多次，造成make失敗多次，因此筆者建議只要采用make這種單核心的編譯為佳，且在編譯過程務必確保電源穩定，且適當以電風扇在旁邊幫助散熱，雖然時間很久，但可以確保編譯過程安全無誤，以下說明OpenCV 4.5.0的安裝流程：

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install cmake gitlibgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install libjpeg-dev libpng-dev

sudo apt-get install libavcodec-devlibavformat-dev libswscale-dev

sudo apt-get install libgtk2.0-devlibcanberra-gtk* libgtk-3-dev

sudo apt-get install python3-dev python3-numpypython3-pip

sudo apt-get install libtbb2 libtbb-devlibdc1394-22-dev

sudo apt-get install libv4l-dev v4l-utils

sudo apt-get install libopenblas-devlibatlas-base-dev libblas-de

sudo apt-get install liblapack-dev gfortranlibhdf5-dev

sudo apt-get install libprotobuf-devlibgoogle-glog-dev libgflags-dev

sudo apt-get install protobuf-compiler

sudo apt-get install qt5-default

wget -O opencv.ziphttps://github.com/opencv/opencv/archive/4.5.0.zip

wget -O opencv_contrib.ziphttps://github.com/opencv/opencv_contrib/archive/4.5.0.zip

unzip opencv.zip

unzip opencv_contrib.zip

mv opencv-4.5.0 opencv

mv opencv_contrib-4.5.0 opencv_contrib

cd ~/opencv

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE

-D CMAKE_INSTALL_PREFIX=/usr/local

-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules

-D ENABLE_NEON=ON

-D WITH_OPENMP=ON

-D BUILD_TIFF=ON

-D WITH_FFMPEG=ON

-D WITH_TBB=ON

-D BUILD_TBB=ON

-D BUILD_TESTS=OFF

-D WITH_EIGEN=OFF

-D WITH_GSTREAMER=OFF

-D WITH_V4L=ON

-D WITH_LIBV4L=ON

-D WITH_VTK=OFF

-D WITH_QT=OFF

-D OPENCV_ENABLE_NONFREE=ON

-D INSTALL_C_EXAMPLES=OFF

-D INSTALL_PYTHON_EXAMPLES=OFF

-D BUILD_NEW_PYTHON_SUPPORT=ON

-D BUILD_opencv_python3=TRUE

-D OPENCV_GENERATE_PKGCONFIG=ON

-D BUILD_EXAMPLES=OFF

-D WITH_GTK=ON ..

make

sudo make install

sudo ldconfig

make clean

至 .bashrc 設定OpenCV 4.5.0路徑，安裝完成OpenCV 4.5.0之后，必須要設定相關執行路徑，若跳過這個步驟，會導致Python程序在import cv2時產生allocation memory 報錯，以下說明 .bashrc 路徑設定方式：

cd ~

#以nano文本編輯器編輯.bashrc 配置文件

sudo nano ~/.bashrc

#到文件末端將以下敘述補在最后一行

exportLD_PRELOAD=/usr/lib/aarch64-linux-gnu/libgomp.so.1

#執行 .bashrc 內容

source ~/.bashrc

四、安裝其他視覺圖像處理與圖形用戶界面套件程序

#安裝pillow套件程序

cd ~

sudo apt-get update

sudo apt-get upgrade

pip3 install setuptools

pip3 install pillow

#安裝tkinter套件程序

cd ~

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install python3-tk

sudo apt-get install python3-pil.imagetk

#安裝imutils套件程序

cd ~

sudo apt-get update

sudo apt-get upgrade

pip3 install imutils

五、安裝Tensorflow 2.4.1 神經網絡運算套件程序

Tinker Board 2S 具有強大的CPU與GPU運算效能，可進行神經網絡運算，搭配OpenCV可以進行各種AI影像辨識的應用，依照Tinker Board 2S的各種硬件規格，筆者認為神經網絡的框架可采用Tensorflow 2.4.1來進行神經網絡的推論(Inference)運算，以下說明套件程序安裝流程：

#更新操作系統套件信息

sudo apt-get update

sudo apt-get upgrade

#更新安裝pip3套件程序

sudo apt-get install python-pip python3-pip

#移除舊版Tensoflow套件程序

sudo pip uninstall tensorflow

sudo pip3 uninstall tensorflow

#安裝各種系統相依套件程序

sudo apt-get install gfortran

sudo apt-get install libhdf5-devlibc-ares-dev libeigen3-dev

sudo apt-get install libatlas-base-devlibopenblas-dev libblas-dev

sudo apt-get install liblapack-dev

#安裝各種Python3各種套件程序

sudo -H pip3 install --upgrade setuptools

sudo -H pip3 install pybind11

sudo -H pip3 install Cython==0.29.21

sudo -H pip3 install h5py==2.10.0

#安裝下載工具

pip3 install gdown

sudo cp ~/.local/bin/gdown/usr/local/bin/gdown

#下載Tensorflow 2.4.1套件程序安裝文件

gdownhttps://drive.google.com/uc?id=1WDG8Rbi0ph0sQ6TtD3ZGJdIN_WAnugLO

#安裝Tensorflow 2.4.1套件程序

sudo -H pip3 installtensorflow-2.4.1-cp37-cp37m-linux_aarch64.whl

六、安裝Tensorflow-Lite Runtime 2.5.0 套件程序

對于Tinker Board 2S / 2GB而言，由于受限于主存儲器僅有2GB的緣故，因此對于神經網絡進行推論運算時所需使用的主存儲器容量，就必須要謹慎運用這有限的容量，若需要在神經網絡推論時有較高的運算效能，往往就必須要選擇神經網絡模型規模較小的模型格式，在Tensorflow族系里有種Tensorflow-Lite格式就是一種模型規模較小的格式，在Tensorflow的原廠網站里也特別將Tensorflow-Lite格式定義適用于物聯網IoT應用的場合當中，以下說明套件程序安裝的方式：

cd ~

sudo apt-get update

sudo apt-get upgrade

pip3 installhttps://github.com/google-coral/pycoral/releases/download/v1.0.1/tflite_runtime-2.5.0-cp37-cp37m-linux_aarch64.whl

七、安裝google Coral Edge-TPU Pthon套件程序

若想在邊緣裝置提升神經網絡的運算效能，常會在邊緣運算裝置上外加神經網絡運算加速裝置，最常用的做法，便是透過USB連接神經網絡運算加速裝置的方式進行擴充，Tinker Board 2S有強大的USB 3.0接口可以運用，筆者為了能夠在Tinker Board 2S上充分發揮Tensorflow-Lite的效能，因此選擇透過google推出的Coral Edge-TPU USB Accelerator安裝在Tinker Board 2S上，透過Edge-TPU強大的運算效能，讓AI的各種應用都能有高速的反應。

以下說明Python3-Coral套件程序安裝方式：

echo "debhttps://packages.cloud.google.com/apt coral-edgetpu-stable main" | sudotee /etc/apt/sources.list.d/coral-edgetpu.list

curlhttps://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -

sudo apt-get update

sudo apt-get install libedgetpu1-std

sudo apt-get install python3-pycoral

八、安裝其他支持神經運算的套件程序SciKit-Learn

cd ~

sudo apt-get update

sudo apt-get upgrade

sudo pip3 install sklearn

以上是針對Tinker Board 2S在后續應用在AIoT主題開發所安裝的各種套件程序安裝教學，筆者將會在后續文章中介紹Tinker Board 2S在神經網絡運算的效能，將會透過筆者設計的Python3范例程序進行本篇各種套件程序的測試效能，敬請各位讀者拭目以待啰!

審核編輯 ：李倩