树莓派买了很久，各种小程序倒腾了半天，无非是控制个电灯开关，打开个网页，做个xmbc媒体播放器，但总是没有找到吊炸天的应用对不？
现在的树莓派3代，其实性能已经跟上来了，即使在上面跑神经网络图像识别软件，速度也勉强能接受了。本文教你如何一步完成这个神软件的部署。
谷歌2015年发布了tensorflow平台，2017年继续发布armv7版本，因此树莓派上现在能顺利跑tensorflow了。大家都知道，训练神经网络，非常耗费时间，要动用大量计算资源，还动不动得跑十几天才能完成，一般人玩不起这个。谷歌慷慨的将其在图像分类识别领域的最新训练成果Inception-v3模型的训练结果公布出来。这个模型在imageNet上面训练了几十万张共1000个不同类型的物品的图片，最终训练的错误率为3.46%（据说人眼识别的错误率仅为5.1%）。也就是说对于这1000种物品的识别率，Inception-v3模型已经高于人眼。
那就让我们在树莓派上开始部署这个程序吧！
为了让大家很方便的使用到这个程序，笔者将将所有准备工作都编译到docker镜像中去了，这样大家可以跳过繁杂的安装过程，同时笔者还略微修改了谷歌的代码，使得输出结果能翻译成中文，便于理解。
首先您要先确定您的树莓派操作系统（raspbian）的版本要至少为jessie，如果还没有升级到这个版本，请先刷到这个版本。树莓派板卡最好为pi 3，前面几代应该也能运行（笔者没有测试过），但CPU速度比较慢，运行时间会比较长。
部署的过程其实只有一行代码：
在树莓派的命令行终端上输入以下代码
curl -s https://raw.githubusercontent.com/flyingtimes/image-recognition/master/one_step_install.sh|bash
这是一个脚本，会自动帮你把源代码下载下来，如果没有安装docker，会自动安装docker，并下载相关的docker镜像。tensorflow所需的所有组件都已经在docker中预先准备好了，您只要运行程序就行了。整个过程需要下载700M左右的数据，请耐心等待。
部署完以后，将你要识别的图像放到image_recognition文件夹里面，然后运行：
cd image-recognition/
bash imgdetect.sh [你的图片文件名]
就可以啦。例如
bash imgdetect.sh demo01.jpg
demo01.jpg是一个橙子的图片，程序会返回
orange(橙色)---(Matching = 0.85452)
受限于树莓派的CPU速度，您大约需要30秒才能得到识别结果，但已经很好玩了不是？
借助这个程序，您可以往下拓展，例如利用树莓派的摄像头，定时拍摄一幅照片，然后用这个程序来进行图像识别，用喇叭说出识别的结果来。这个用来给小朋友做玩具用，还是不错的。
觉得本文有帮助的，被忘了给我点个赞。感兴趣的人多的话，笔者将继续发布《一行代码在树莓派上进行人脸识别》哦。
PS:
近期由于“网络安全原因”，部分读者反映有几种异常情况，统一回复如下：
1）在git clone的时候等待很久，实际是因为网络原因无法在github上抓取代码，我把项目代码共享到百度网盘 https://pan.baidu.com/s/1b3R65g ，大家可以随意下载。下载后进入image-recogintion-master 运行 bash install.sh 即可。
2）有部分用户在执行过程中，显示“docker未安装”，然后长时间等待。这种情况也是因为网络不良导致无法安装docker。建议在树莓派上反复执行：
curl -sSL https://get.docker.com | sh 直到成功为止。
3）镜像下载是一个比较长的过程，建议耐心等待。镜像文件托管到dockerhub上，如果不成功，建议在网络良好的时候执行 docker pull clarkchan/rpi-tensorflow-imagenet
4) 部分用户在执行的时候反映“memory”问题，主要是前几代树莓派内存不足，无法运行程序导致的，请确认你的硬件升级到树莓派3
PS（2018-06-03）：
今天重新运行了一次，发现由于网络原因，原来的安装脚本有些步骤我也不能用了。顺便修改了一下。改了几个地方：
1） docker的安装。由于官网经常失联，安装改为apt-get install docker-ce，不从官网直接下载了。
2）镜像获取的时候，改使用root权限，避免permission denied 问题。
3) 中文翻译的功能，采用简友 阿群1986 的方案，从百度翻译改为爱词霸翻译。
