首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >问答首页 >构建TF微hello世界: make:* [tensorflow/lite/micro/examples/hello_world/Makefile.inc:34: test_hello_world_test]错误1

构建TF微hello世界: make:* [tensorflow/lite/micro/examples/hello_world/Makefile.inc:34: test_hello_world_test]错误1
EN

Stack Overflow用户
提问于 2020-08-14 14:42:24
回答 1查看 1.1K关注 0票数 0

我正在学习皮特·沃顿( Pete )和丹尼尔·西图纳亚克( Daniel )的TinyML书,内容是如何将神经网络应用于微控制器,并为微控制器配备TFLite。他们严格遵循这个git回购末尾的指令。

为了尝试检查错误,他们建议在开发机器(即我的PC机)上测试代码,但是当运行"make“时,我会得到一些错误,而它不会生成。

当运行$ git clone --depth 1 https://github.com/tensorflow/tensorflow.git,然后运行$ make -f tensorflow/lite/micro/tools/make/Makefile test_hello_world_test时,我得到以下输出:

代码语言:javascript
运行
AI代码解释
复制
$ make -f tensorflow/lite/micro/tools/make/Makefile test_hello_world_test
tensorflow/lite/micro/tools/make/Makefile:305: warning: overriding recipe for target 'tensorflow/lite/micro/tools/make/downloads/ruy'
tensorflow/lite/micro/tools/make/Makefile:305: warning: ignoring old recipe for target 'tensorflow/lite/micro/tools/make/downloads/ruy'
tensorflow/lite/micro/tools/make/Makefile:305: warning: overriding recipe for target 'tensorflow/lite/micro/tools/make/downloads/person_model_grayscale'
tensorflow/lite/micro/tools/make/Makefile:305: warning: ignoring old recipe for target 'tensorflow/lite/micro/tools/make/downloads/person_model_grayscale'
tensorflow/lite/micro/tools/make/Makefile:305: warning: overriding recipe for target 'tensorflow/lite/micro/tools/make/downloads/person_model_int8'
tensorflow/lite/micro/tools/make/Makefile:305: warning: ignoring old recipe for target 'tensorflow/lite/micro/tools/make/downloads/person_model_int8'
g++ -std=c++11 -DTF_LITE_STATIC_MEMORY -Werror -Wsign-compare -Wdouble-promotion -Wshadow -Wunused-variable -Wmissing-field-initializers -Wunused-function -DNDEBUG -O3 -I. -Itensorflow/lite/micro/tools/make/downloads/ -Itensorflow/lite/micro/tools/make/downloads/gemmlowp -Itensorflow/lite/micro/tools/make/downloads/flatbuffers/include -Itensorflow/lite/micro/tools/make/downloads/ruy -Itensorflow/lite/micro/tools/make/downloads/kissfft -o tensorflow/lite/micro/tools/make/gen/windows_x86_64/bin/hello_world_test tensorflow/lite/micro/tools/make/gen/windows_x86_64/obj/tensorflow/lite/micro/examples/hello_world/hello_world_test.o tensorflow/lite/micro/tools/make/gen/windows_x86_64/obj/tensorflow/lite/micro/examples/hello_world/model.o  tensorflow/lite/micro/tools/make/gen/windows_x86_64/lib/libtensorflow-microlite.a  -lm
tensorflow/lite/micro/testing/test_linux_binary.sh tensorflow/lite/micro/tools/make/gen/windows_x86_64/bin/hello_world_test '~~~ALL TESTS PASSED~~~'
make: *** [tensorflow/lite/micro/examples/hello_world/Makefile.inc:34: test_hello_world_test] Error 1

尽管它说“所有测试都通过了”,但由于错误,它没有进行构建;当更改源文件以引入一些错误(检查是否正常)时,它仍然打印该消息。

我试过寻找类似的问题,但都没有效果。以下是有关我的个人电脑的一些信息:

  • Windows 10家庭64位
  • GNU Make 4.3
  • gcc.exe (Rev5,由MSYS2项目构建) 5.3.0
  • Conda已安装
  • 控制台: Git (MINGW64)
  • $make$gcc都在路径中。

如果您需要更多的信息,请告诉我,谢谢。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-08-20 02:36:00

我仍然必须在github上打开一个问题,因为我不认为这是预期的行为,但是这里有一个解决办法,允许您在开发机器上测试TF微代码。

第一步是进入您刚才克隆的git的根目录。然后,不要将test_前缀添加到make上的目标中,只需将其作为“普通目标”:

$ make -f tensorflow/lite/micro/tools/make/Makefile hello_world_test

根据您正在运行的操作系统,可执行文件(输出)将处于不同的路径中,但只需将windows_x86_64更改为相应的文件夹即可。现在是运行输出的时候了:

$ tensorflow/lite/micro/tools/make/gen/windows_x86_64/bin/hello_world_test.exe

这将如预期的那样返回:

代码语言:javascript
运行
AI代码解释
复制
Testing LoadModelAndPerformInference
1/1 tests passed
~~~ALL TESTS PASSED~~~

我用不同的组合和项目测试了它,它运行得很好。看起来Make在生成测试文件后执行测试文件时遇到了问题,所以解决方案是在不同的步骤中执行它。

请记住,您需要使版本3.82或更高版本才能起作用。如果您正在使用Windows。您可以使用Git控制台并通过巧克力味安装Make的最新版本。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/63420827

复制
相关文章
TensorFlow Lite Micro on CM
Microcontrollers power the world around us.
用户6026865
2023/03/03
1.3K0
TensorFlow Lite Micro on CM
【云+社区年度征文】TinyML实践-2:How TinyML Works?
对于Tensorflow最大需求是能够在桌面系统中训练并运行模型,这种需求影响了很多设计决策,例如为了更低的延迟和更多的功能而增加可执行文件的大小。云端服务器上,RAM以GB为衡量单位,存储空间以TB为单位,几百兆字节的二进制文件通常不是问题。
flavorfan
2020/12/07
1.8K0
【云+社区年度征文】TinyML实践-2:How TinyML Works?
TinyML-6:移植到nrf52840淘宝开发板(带源码)
技术到了最后,都是要在实际生活中实践,才有活力;而不是曲高和寡,光是鼓吹技术多牛逼,没有切实改变生活,提高体验,产生经济价值,那样的技术都是耍流氓。
flavorfan
2021/01/24
2.3K12
TinyML-6:移植到nrf52840淘宝开发板(带源码)
水果图像识别:基于 Arduino 和 TensorFlow Lite Micro
特邀博文 / Dominic Pajak 和 Sandeep Mistry,来自 Arduino 团队
CV君
2020/11/23
2.2K0
水果图像识别:基于 Arduino 和 TensorFlow Lite Micro
TensorFlow 智能移动项目:11~12
在前九章中,我们使用 TensorFlow Mobile 在移动设备上运行各种由 TensorFlow 和 Keras 构建的强大的深度学习模型。 正如我们在第 1 章,“移动 TensorFlow 入门”中提到的那样,Google 还提供了 TensorFlow Lite(可替代 TensorFlow Mobile 的版本)在移动设备上运行模型。 尽管自 Google I/O 2018 起它仍在开发人员预览中,但 Google 打算“大大简化开发人员针对小型设备的模型定位的体验。” 因此,值得详细研究 TensorFlow Lite 并为未来做好准备。
ApacheCN_飞龙
2023/04/24
4.3K0
TensorFlow 智能移动项目:11~12
tf.lite
它允许您使用一组TensorFlow操作并注释构造,以便toco知道如何将其转换为tflite。这在张量流图中嵌入了一个伪函数。这允许在较低级别的TensorFlow实现中嵌入高级API使用信息,以便以后可以替换其他实现。本质上,这个伪op中的任何“输入”都被输入到一个标识中,并且属性被添加到该输入中,然后由构成伪op的组成ops使用。
狼啸风云
2019/09/06
5.3K0
TensorFlow从0到1 - 1 - Hello, TensorFlow!
在学习任何新的编程语言时,我们都会在第一时间完成Hello World,以宣告自己开发环境的完美搭建。TensorFlow也不例外。TensorFlow充分考虑了各种软/硬件平台上的安装,本篇记录了在
袁承兴
2018/04/11
9410
TensorFlow从0到1 - 1 - Hello, TensorFlow!
使用Tensorflow进行实时移动视频对象检测
随着对计算机视觉的用例日益增长的兴趣,例如无人驾驶汽车,面部识别,智能交通系统等,人们希望建立定制的机器学习模型以检测和识别特定对象。
代码医生工作室
2019/10/10
2.2K0
使用Tensorflow进行实时移动视频对象检测
编译tensorflow-lite-with-select-tf-ops遇到的坑
官方没有直接给出AAR,而是让自己用巴泽尔去编译一个,实在是有点坑啊。
vell001
2018/12/28
5.7K0
编译tensorflow-lite-with-select-tf-ops遇到的坑
Tensorflow入门教程,TensorFlow-Examples on Github
Tensorflow作为深度学习框架的头把交椅,拥有大批量的用户,当然也有很多新手想要加入Tensorflow的大部队。大家都知道github已经成为机器学习各种知识资源分享学习的平台了。今天小编给大家介绍一个十分受欢迎的Tensorflow入门教程:TensorFlow-Examples
HuangWeiAI
2019/08/21
7750
Tensorflow入门教程,TensorFlow-Examples on Github
TensorFlow Lite for Microcontroller
Microcontrollers (MCUs) are the tiny computers that power our technological environment. There are over 30 billion of them manufactured every year, embedded in everything from household appliances to fitness trackers.
用户6026865
2023/03/03
1K0
TensorFlow Lite for Microcontroller
TensorFlow从0到1丨开篇:Hello TensorFlow !
我以官方文档为主线,开始对TensorFlow的学习。这期间会把我的理解进行持续的输出,作为《TensorFlow从0到1》系列。它不会止于翻译和笔记、语言和工具,而是坚持通过启发性的方式,循序渐进的构建理解,搭建一个坚实可靠的、连接“零基础”与“机器学习”领域之间的缓坡道,或许能帮你起步。 更期待一起探索的学习者都能开辟出自己的路,仅把这里作为一个参照。 除了TensorFlow文档之外,我还会参考(持续增加中): Neural Networks and Deep Learning(中译版),Michea
用户1332428
2018/03/07
1.3K1
TensorFlow从0到1丨开篇:Hello TensorFlow !
ModuleNotFoundError: No Module Named '_Ctypes' Make: *** [Install] 错误 1
新服务器安装python3.7.0在make install的时候报错ModuleNotFoundError: No module named '_ctypes' make: *** [install] 错误 1导致编译安装失败
cywhat
2022/11/22
1.1K0
tflite模型PC端与嵌入式交叉验证
TFLM(Tensorflow lite micro)验证嵌入式端模型运行,直截了当做法是:对比PC端和嵌入式端运行的tflite模型的输入输出。笔者就TinyML的HelloWorld例程,实践了PC端tflite模型运行情况和MCU端RT1062部署后运行情况。
flavorfan
2022/05/13
2.8K0
tflite模型PC端与嵌入式交叉验证
跨越重重“障碍”,我从 PyTorch 转换为了 TensorFlow Lite
本文最初发表在 Towards Data Science 博客,经原作者 Ran Rubin 授权,InfoQ 中文站翻译并分享。
深度学习与Python
2020/11/06
1.7K0
跨越重重“障碍”,我从 PyTorch 转换为了 TensorFlow Lite
TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测器
是否能够更快地训练和提供对象检测模型?我们已经听到了这种的反馈,在今天我们很高兴地宣布支持训练Cloud TPU上的对象检测模型,模型量化以及并添加了包括RetinaNet和MobileNet改编的RetinaNet在内的新模型。本文将引导你使用迁移学习在Cloud TPU上训练量化的宠物品种检测器。
AiTechYun
2018/07/27
4K0
TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测器
机器学习入门之HelloWorld(Tensorflow)
本文介绍一些机器学习的入门知识,从安装环境到跑通机器学习入门程序MNIST demo。
Techeek
2018/03/13
4.1K4
机器学习入门之HelloWorld(Tensorflow)
构建React Native官方Examples
尊重版权,未经授权不得转载 本文出自:贾鹏辉的技术博客(http://www.devio.org) 告诉大家一个好消息,为大家精心准备的React Native视频教程发布了,大家现可以看视频
CrazyCodeBoy
2018/05/07
2.6K0
构建React Native官方Examples
AIoT应用创新大赛-基于 EVB_AIoT 的 EIQ 学习笔记
update:在 0x08. 中更新了代码 + 视频 + PPT 以保证作品完整性
远哥制造
2022/03/15
2.8K3
AIoT应用创新大赛-基于 EVB_AIoT 的 EIQ 学习笔记
机器学习入门之HelloWorld(Tensorflow)
1 环境搭建 (Windows) 安装虚拟环境 Anaconda,方便python包管理和环境隔离。 Anaconda3 4.2 http://mirrors.oa.com/anaconda/archive/Anaconda3-4.2.0-Windows-x86_64.exe,自带python 3.5。 创建tensorflow隔离环境。打开Anaconda安装后的终端Anaconda Prompt,执行下面命令 conda create -n tensorflow python=3.5 #创建名为ten
腾讯Bugly
2018/04/27
1.2K0
机器学习入门之HelloWorld(Tensorflow)

相似问题

部署在Arduino示例草图hello_world上的Tensorflow-lite

11

用C语言构建Tensorflow lite微系统

13

如何使用tensorflow lite微?

13

错误:包org.tensorflow.lite.examples.detection.env不存在

12

如何构建nix hello世界

20
添加站长 进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

扫码加入开发者社群
关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

扫码关注腾讯云开发者公众号
领券
社区富文本编辑器全新改版!诚邀体验~
全新交互,全新视觉,新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能,全面提升创作效率和体验
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文