在树莓派上安装RasPBX，实现一个SIP电话系统

Posted 2023-05-09

参考技术A http://download.raspberry-asterisk.org/raspbx-04-04-2018.zip

在终端中执行命令，卸载SD卡：

在终端中执行命令，写入SD卡：

提示：要执行好长时间（大概有15分钟）！！！

把SD卡放入树莓派后启动。

user：root
password：raspberry

按提示创建管理员账户。

user：root
password：raspberry

镜像只使用了4GB的空间，如果SD的空间比这个大，可以进行扩展。

检查空间，执行命令：

查看第二分区的起始地址，后面会用到

使用fdisk操作磁盘

重启系统

重启系统后查看，磁盘空间并没有扩展，需要执行命令：

Theano 在树莓派上使用 Keras

【中文标题】Theano 在树莓派上使用 Keras

【英文标题】：Theano with Keras on Raspberry Pi

【发布时间】：2017-03-12 01:32:27

【问题描述】：

我试图让 Theano 在 Raspberry Pi 3 (B) 上与 Keras 一起运行，但没有成功。我尝试将 Ubuntu MATE 和 Raspbian 作为操作系统，但没有成功。为了安装 Theano 和 Keras，我采取了以下步骤：

安装 miniconda（armv7 发行版） 通过 Conda（如果可能）、pip 和 apt-get 安装所有 Theano 依赖项（如图所示 here） 安装 Theano 安装 Keras

上述步骤没有任何问题。在下一步中，我构建了一个小测试脚本 (test.py)，它通过

加载已构建的模型

from keras.models import load_model
model = load_model('model.hdf5')

加载模型时出现以下错误

Segmentation fault (core dumped)

然后我尝试按照 SO (What causes a Python segmentation fault?) 上的这个答案进一步调查这个问题：

gdb python
> run test.py

当我运行它时，我得到：

Program received SIGSEV, Segmentation fault.
0x76fd9822 in ?? () from /lib/ld-linux-armhf.so.3

下一步我在 gdb shell 中运行：

> backtrace

得到了

#0  0x76fd9822 in ?? () from /lib/ld-linux-armhf.so.3
#1  0x76fd983a in ?? () from /lib/ld-linux-armhf.so.3

这是我不知道更多的地方，我想问一下，是否有人可以为我指明如何解决此问题并让 keras + theano 在 Raspberry Pi 上运行。

（我也尝试过 TensorFlow 作为替代方案，但遇到了同样的问题）

非常感谢。

---

编辑

我做了更多的调查。如果我run Keras with TensorFlow 问题似乎有点改变。我再次运行 gdb，但错误现在发生在 numpy 中，尤其是在 libopenblas.so.0

Program received signal SIGSEV, Segmentation fault.
0x75ead7cc in inner_thread()
from /home/<path>/numpy/core/../../../../libopenblas.so.0

这有帮助吗？

---

编辑 2

我在没有使用 Miniconda 的情况下安装了所有东西，而 Keras 现在可以与 TensorFlow 一起使用（但还不能与 Theano 一起使用）。

【问题讨论】：

您是否尝试过仅在 TF/Theano 中训练简单模型？至少这可以缩小问题原因。

你可以试试 tensorflow 的调试版本吗？ bazel build -c dbg 构建它。

你现在有成功吗？我也在考虑在 Rasperry PI 上运行 Keras（可能使用 TF）。我没有尝试过，我只是在收集一般信息。到现在还能用吗？

如果您不使用 Miniconda（或者至少我无法让 Miniconda 与 Keras/TF 一起使用），它会起作用。我认为只要你不想在 Pi 上开发任何东西而是运行一个应用程序（对我来说就是这种情况），不使用 Miniconda 是完全可以的。我还没有尝试使用 Theano 修复安装，也许它现在可以工作了。

这个问题有答案吗？

【参考方案1】：

如果你提供了 python 的版本，它会很有用。如果您使用的是 python3.7，请尝试恢复到 python3.6，因为 keras 还没有赶上发展，并且在 python3.7 上使用 keras 安装 tensorflow 存在很多问题。我在这里强调版本，因为我最近在使用 conda 安装时遇到了同样的问题，我意识到问题是 python 版本。

但我也遇到了让 tensorflow 在 PI 上工作的问题。但是我使用来自 ubuntu 的 pip 而不是 miniconda 直接安装，并且它有效。 Google Tensorflow 团队自己提到的最佳方式是按照此链接中的说明从源代码实际构建 tensorflow。 https://www.tensorflow.org/install/source_rpi

因此，如果可以，请尝试将 python 的版本降级到 3.6 或更低，并尝试使用 pip 安装或使用 python3.6 或 3.7 从源代码构建。

【参考方案2】：

我认为在 Raspberry Pi 上运行 Keras 和 Tensorflow 并不是一个好主意，因为在我的大学机器上运行它们比 Raspberry Pi 强大得多，会带来很多麻烦。 错误可能是由于内存不足引起的。我猜这是因为当我尝试运行一些复杂的模型时，我在机器上遇到了这个问题。

【讨论】：

这没有提供问题的答案。一旦你有足够的reputation，你就可以comment on any post；相反，provide answers that don't require clarification from the asker.

【参考方案3】：

目前的解决方案是在安装时避免使用 miniconda。

为了进一步诊断，ld-linux-armhf.so.3 和 libopenblas.so.0 提供-g 调试符号会很有帮助。