为什么要在树莓派上安装pytorch
树莓派是一个香烟盒大小的电脑，能运行window（IOT）和linux系统。可以当做一台普通的电脑用来办公上网，还有裸露的针脚可以用来控制你自己设计的电路。比如读取各种（温度，重力，加速度）传感器信息，也可以驱动马达和蜂鸣器，摄像头什么的。
说到可以驱动摄像头，那么我们就可以通过pytorch进行推理，树莓派的配置很低，毕竟几百块钱的成本，配置不会高到哪里去，但是通过他的cpu还是能够处理一些简单的推理工作的。
系统环境安装
这部分就略掉了，主要就是要将系统安装到SD卡中并插入树莓派，这个官网都有介绍，就不细说了。我这里使用的是树莓派4b:1.5GHz四核64位ARM Cortex-A72 CPU， 4G内存 系统也是官官方的基于Debian 10 Buster的ARM版linux.
进入系统后，首先还是安装conda，因为arm版的conda很久都不更新了，所以有个大佬专门制作了树莓派版的conda ：https://github.com/jjhelmus/berryconda 我们按照说明直接安装后就可以使用了
因为pytorch没有官方的arm版提供下载，所以我们需要在树莓派上自己进行编译
下面安装编译pytorch所需要的包
sudo apt install libopenblas-dev libblas-dev m4 cmake cython
继续安装python的包
pip install numpy pyyaml cyphon
这里如果不安装numpy的话也能成功编译，但是编译出来的PyTorch不支持numpy
编译pytorch 1.4
做新版就是1.4 所以我们这里拿最新版来做
git clone --recursive https://github.com/pytorch/pytorchcd pytorchgit checkout v1.4 #这里选择最新的1.4版git submodule syncgit submodule update --init --recursivegit submodule update --remote third_party/protobuf #这句必须要有，否则在编译时会报一个找不到protobuf.h的错误
树莓派是不支持CUDA和MKLDNN的，CUDA是nv的，MKLDNN是intel的， 我们拿树莓派也只做推理，分布式也不要了。所以我们设置以下的环境变量
export NO_CUDA=1export NO_DISTRIBUTED=1export NO_MKLDNN=1export MAX_JOBS=4 #这里设置4是因为4b是4核，如果树莓派是3的话，设置成1
进行完以上的配置，我们可以编译了
#本地安装python setup.py install #打包成whl，打包成功后这个文件在dist目录里面python setup.py bdist_wheel
编译时一个漫长的过程，我的4b上大概花了2个半小时。听说3需要5个小时左右。慢慢等，不要着急，按照我上面的步骤肯定是可以成功的。
安装 torchvision
编译完pytorch以后我们肯定还需要安装torchversion，pip的arm源里面torchvision的版本是0.22，已经是一个很老的版本了，所以这里面我们还是通过源码自己编译。
安装编译所需要的包,这里主要是编译pillow使用的，因为torchvision是基于
sudo apt-get install libjpeg-dev libavcodec-dev libavformat-dev libswscale-dev
安装pillow
pip install pillow
编译 torchvision
目前官网的torchvision版本是0.6，我们不用切换版本直接用就好了
git clone https://github.com/pytorch/vision.git cd visiongit checkout v0.5 #如果需要使用与pytorch 1.4一同发布的0.5版，则要加上这句#本地安装python setup.py install #打包成whlpython setup.py bdist_wheel
等待完成，就可以使用了
下载
为了节省大家的时间，我这里也将我编译好的包提供给大家下载
我这个是基于python 3.6 进行编译的，如果大家用3.6的话，直接下载安装即可
下载地址在这里：https://github.com/zergtant/pytorch-handbook/tree/master/pi
参考
这边日本人写的文章里面 编译遇到的问题总结的比较全：https://qiita.com/yyojiro/items/d91b02149aa6480ded80
这里只有 1.2以前版本的，想装以前版本可以直接从这里下：https://github.com/nmilosev/pytorch-arm-builds
总结
编译pytorch总耗时大概5小时左右，编译numpy大概半小时，编译pytorch 2.5小时，编译torchvision 1小时，剩余半小时为报错解决的时间。
最后请大家珍惜这次在家宅就能为祖国做贡献的机会
