今天跟爸參加公司福利會辦的故宮南院一日遊, 免費, 家屬親友 1700, 行程包括參觀水上白人牙膏觀光工廠, 故宮南院, 蒜頭糖廠, 以及短暫的檜意生活林 (去年遊鹿港時去過囉). 傍晚在台南吃過晚餐後回到高雄已經 20:00 了.
老實說, 故宮南院目前較乏善可陳, 今天展出的主要是東南亞出土的銅製佛像, 日本大阪美術館借展的瓷器, 和服, 以及高麗時代瓷器等等. 真正故宮寶物只看到肉形石一塊而已. 而且從停車場走道展覽廳大概要 15 分鐘, 太遠了.
倒是參觀白人牙膏工廠讓我印象深刻, 他們的產品都是 MIT, 所以我也買了蜂膠牙膏漱口水等禮盒. 另外就是蒜頭糖廠那個校長兼敲鐘的 "所長", 他口才真是好極了.
2017年4月14日 星期五
創客經濟與聊天機器人課程
連續兩天聽了兩個線上課程, 昨天是高雄軟體園區的智觀公司講師介紹創客經濟 Maker 的現況與發展; 今天則是由創新專家李偉俠談線上聊天機器人應用現況與趨勢. 昨天的課因為我已接觸過 Arduino, 所以激起的火花較少; 不過老師提供的三個主題相關連結值得一看 :
下面這篇則是一篇關於創客類型, 創客生態圈, 以及技術在此生態圈所扮演角色的綜合報告, 此文揭示了企業該如何在此波風起雲湧的創客運動中獲益 :
而今天的聊天機器人課程則讓我眼睛為之一亮, 除了簡介如何利用 Manychat App 來製作 FB 聊天機器人外, 還介紹了英語學習機器人, 點餐機器人, 以及金融理財機器人 :
# http://www.linguo.org/ (英語學習機器人)
# https://www.tacobell.com/feed/tacobot (點餐機器人)
# https://www.abe.ai/ (金融理財機器人)
# http://speaklyn.com/ (輔助 FB 聊天機器人)
# https://www.motion.ai/ (聊天機器人)
# https://wit.ai/ (聊天機器人)
講師李偉俠老師也是譯者翻譯工具 Termsoup.com 的共同創辦人, 此網站整合了翻譯記憶 (Translation Memory) 與 Google 翻譯等各大網站資源, 讓翻譯工作者不必跨網站查來查去, 一站式解決方案讓譯者更快速完成工作. 參考其展示網頁 :
李偉俠老師也寫過一本教導創客如何募資的書, 參考 :
2017年4月10日 星期一
購買小米路由器 3
上週三同事說要買小米路由器 3, 恰好我鄉下還需要一台路由器放在舊豬舍做中繼, 所以就叫我網購時也幫她買一台 (因原價一台 765 元不足 800 元須付運費), 剛好碰到米粉節抽到 50 元禮券 (250/100 元的根本秒殺抽不到), 所以合計 765*2-501=1480 元, 平均一台 740 元.
週三買周五就到貨了, 週六帶回鄉下測試 OK. 小米路由器 2 只有兩支天線, 這台則有四支, 信號理應更強才對, 但實測似乎差不多. 不過其設定方式與 2 版稍有不同, 雖然同樣作為中繼器, 但 3 版的可以讓我們設定與母路由器不一樣的 SSID 與 PWD, 參考 :
# 超簡單的小米路由器 mini
作為中繼器的小米路由器 3 設定過程如下 : 首先不需插任何網路線, 只要插電源線即可, 然後手機開啟 wifi 連線, 找到 Xiaomi_XXXX_XXXX 字眼的 SSID, 點擊連線此 SSID :
打開手機瀏覽器, 輸入網址 "miwifi.com", 按 "同意, 繼續" 鈕 :
按最底下的 "中繼工作模式" 鈕 :
點選母路由器之 SSID 與連線密碼 :
設定小米路由器 3 的 SSID 與連線密碼 (可以跟母路由器不同, 也可以相同) :
設定小米路由器 3 的管理密碼 (我使用 13 碼的純數字, 也可以勾選與 WIFI 連線密碼相同) :
完成了! 底下會顯示小米路由器 3 從母路由器那邊取得的 IP.
我將小米路由器 3 放在 2 樓書房窗邊當 WIFI 中繼, 用 NETGEAR 測量五個要放置物聯網模組的地方之信號強度結果如下 :
最後一張圖顯示, 在三樓頂風機旁邊已經完全收不到一樓 EDIMAX 母路由器信號矣, 而小米路由器 3 則還有一半 (雖然接近 Poor). 如果把小米路由器 3 移到祖堂那邊的話, 我想三樓頂的訊號會更好, 反正之前買的小米路由器 2 打算擺在舊豬舍, 菜園的信號強度不成問題.
週三買周五就到貨了, 週六帶回鄉下測試 OK. 小米路由器 2 只有兩支天線, 這台則有四支, 信號理應更強才對, 但實測似乎差不多. 不過其設定方式與 2 版稍有不同, 雖然同樣作為中繼器, 但 3 版的可以讓我們設定與母路由器不一樣的 SSID 與 PWD, 參考 :
# 超簡單的小米路由器 mini
作為中繼器的小米路由器 3 設定過程如下 : 首先不需插任何網路線, 只要插電源線即可, 然後手機開啟 wifi 連線, 找到 Xiaomi_XXXX_XXXX 字眼的 SSID, 點擊連線此 SSID :
打開手機瀏覽器, 輸入網址 "miwifi.com", 按 "同意, 繼續" 鈕 :
按最底下的 "中繼工作模式" 鈕 :
點選母路由器之 SSID 與連線密碼 :
設定小米路由器 3 的 SSID 與連線密碼 (可以跟母路由器不同, 也可以相同) :
設定小米路由器 3 的管理密碼 (我使用 13 碼的純數字, 也可以勾選與 WIFI 連線密碼相同) :
完成了! 底下會顯示小米路由器 3 從母路由器那邊取得的 IP.
我將小米路由器 3 放在 2 樓書房窗邊當 WIFI 中繼, 用 NETGEAR 測量五個要放置物聯網模組的地方之信號強度結果如下 :
舊豬舍信號強度 44%
菜園曬衣架邊信號強度 68%
大門口信號強度 40%
三樓頂樓梯口信號強度 77%
三樓頂風機信號強度 53%
最後一張圖顯示, 在三樓頂風機旁邊已經完全收不到一樓 EDIMAX 母路由器信號矣, 而小米路由器 3 則還有一半 (雖然接近 Poor). 如果把小米路由器 3 移到祖堂那邊的話, 我想三樓頂的訊號會更好, 反正之前買的小米路由器 2 打算擺在舊豬舍, 菜園的信號強度不成問題.
2023-01-09 補充 :
向 Pimoroni 購買第二片 Pi Zero W
昨天收到 Pimoroni 寄來的 E-mail, 4/9 為 IoT Day, 全系列商品打 9 折 :
因為 Pi Zero W 一次限買一片, 所以看到有打折又上 Pimoroni 網站再買一組, 線上刷卡購買方式參考 :
# 購買樹莓派 Pi 3 與 Pi Zero W
含 PiCam 排線打 9 折下來一共 15.7 英鎊, 約 597 元台幣, 便宜了 1.13 英鎊, 大約 43 塊而已 :
2017-04-20 補充 :
昨天回家收到上周購買的第二片 Pi Zero W, 馬上進行測試, 我將 B+ 板子上的那片 TF 卡 (2016/02 版 Raspbian) 拔下來直接給它用, 開機後卻發現雖然 SSID 與 PWD 設定都 OK, 卻無法連上 WIFI. 我改用最近剛灌好 2017/03/02 最新版 Raspbian 的 TF 卡就沒問題, 我猜是因為舊版的 Raspbian 沒有 Pi Zero W 內建 WIFI 晶片的驅動程式所致.
而且我發現, 使用新版 Raspbian 開機時電源燈會正常閃爍; 而用舊版 Raspbian 雖可開機, 但電源燈都不會亮, 若沒有接螢幕會讓人以為開機失敗哩.
因為 Pi Zero W 一次限買一片, 所以看到有打折又上 Pimoroni 網站再買一組, 線上刷卡購買方式參考 :
# 購買樹莓派 Pi 3 與 Pi Zero W
含 PiCam 排線打 9 折下來一共 15.7 英鎊, 約 597 元台幣, 便宜了 1.13 英鎊, 大約 43 塊而已 :
2017-04-20 補充 :
昨天回家收到上周購買的第二片 Pi Zero W, 馬上進行測試, 我將 B+ 板子上的那片 TF 卡 (2016/02 版 Raspbian) 拔下來直接給它用, 開機後卻發現雖然 SSID 與 PWD 設定都 OK, 卻無法連上 WIFI. 我改用最近剛灌好 2017/03/02 最新版 Raspbian 的 TF 卡就沒問題, 我猜是因為舊版的 Raspbian 沒有 Pi Zero W 內建 WIFI 晶片的驅動程式所致.
而且我發現, 使用新版 Raspbian 開機時電源燈會正常閃爍; 而用舊版 Raspbian 雖可開機, 但電源燈都不會亮, 若沒有接螢幕會讓人以為開機失敗哩.
2017年4月9日 星期日
2017 年第 14 周記事
這一周只上了三天班, 感覺好像沒完成多少事就到週末了. 其實我每周待在鄉下能做事的時間也不多, 週六傍晚回到家馬上要煮晚餐, 飯後到睡前有三個小時可用, 但我昨晚花了兩個小時看美國隊長 2. 週日早上要去市場買菜, 回來近 11 點準備煮午餐, 飯後又開始備晚餐的料, 主要是煮一鍋湯, 以及燜冬瓜或高麗菜. 14:00~17:00 這三小時可用來做事, 這兩周來還真做出了些成績, 靠的是~~不睡午覺, 備完晚餐的料就開始幹活!
下午先將清明節配好的 PVC 管線上膠固定, 其中最麻煩的是 1 吋轉三分管, 為了充分利用廢棄的舊 PVC 管, 只好用兩重套管來轉接, 這可是五金行那位經驗豐富的小姐幫我想出來的方法 :
繞水池邊角的地方使用 L 形套管轉接 :
到車庫邊時水管不夠了, 而且要切換至車庫洗手槽與菜園兩個分路也還需要一個切換閥, 所以就停下來, 先去理髮, 然後再跑一趟五金行, 再買三支三分管與 L 形套管, 分路管等共 188 元. 回來後給水管上膠加長, 但眼看已五點, 必須趁太陽下山前給路邊那幾棵芒果樹套袋, 所以管路就留待下周再繼續 (但下周不是要跟同學去爬山嗎?).
希望今年的芒果能豐收!
下午先將清明節配好的 PVC 管線上膠固定, 其中最麻煩的是 1 吋轉三分管, 為了充分利用廢棄的舊 PVC 管, 只好用兩重套管來轉接, 這可是五金行那位經驗豐富的小姐幫我想出來的方法 :
繞水池邊角的地方使用 L 形套管轉接 :
到車庫邊時水管不夠了, 而且要切換至車庫洗手槽與菜園兩個分路也還需要一個切換閥, 所以就停下來, 先去理髮, 然後再跑一趟五金行, 再買三支三分管與 L 形套管, 分路管等共 188 元. 回來後給水管上膠加長, 但眼看已五點, 必須趁太陽下山前給路邊那幾棵芒果樹套袋, 所以管路就留待下周再繼續 (但下周不是要跟同學去爬山嗎?).
希望今年的芒果能豐收!
2017年4月7日 星期五
菜園太陽能抽水灌溉系統規劃與準備
計畫多時的菜園灌溉系統目前只完成頂樓的雨水收集系統管路, 但這只在雨季後的連續乾旱有用. 現在屋旁水圳整日水流不息, 應該想辦法將圳水引入菜園才對. 目前爸是利用水位差原理在上游 10 幾公尺處接管引水, 水位約到膝蓋高左右, 有點虛弱無力. 我年前曾測試過以前跟十全一路露天賣家買的小型水龜 (幫浦), 發現揚水高度約一米多, 水力較強, 就想何不利用太陽能板發的電讓水龜將水抽到菜園呢?
清明連假的最後兩天在勘察過屋後環境後, 規劃了水圳引水管線圖. 勘查時發現屋後灌溉水溝旁有一條棄置許久長約八公尺的 PVC 管, 管徑一英寸, 爸說那是以前使用砂石場井水時所牽的管線, 但隨水井廢棄管路也就沒用了. 我想廢物利用也可以省水管費, 所以 4/4 中午就沒睡午覺整理屋後水池邊的雜物, 並將管路經過的地方清理一下. 然後下午跑去鎮上的五金行購買 3 支三分管 (1 支 33 元), 以及介接用的套管, 總共花了 260 元. 回來已傍晚就大致接一下管線, 但沒上膠固定, 等本周回鄉下再繼續.
今天則上露天買了第二片 20W 太陽能板與流量感測器, 用來驅動水龜抽水 :
# 【綠市集】A級20W18V多晶太陽能電池板/太陽能電池組件/給12V蓄電池充電 $780
# 4分透明流量感測器 渦輪流量計 水流量感測器 流量傳感器 sensor 透明水流計 $160
詳細的控制架構周末再來詳細規劃. 如果是手動控制比較簡單, 透過手機控制 Arduino+ESP8266 模組即可; 但若要自動控制, 則需靠流量感測器來偵測是否有抽到水, 若 1 分鐘內沒偵測到流量, 就切掉水龜電源以免空轉太久燒壞.
清明連假的最後兩天在勘察過屋後環境後, 規劃了水圳引水管線圖. 勘查時發現屋後灌溉水溝旁有一條棄置許久長約八公尺的 PVC 管, 管徑一英寸, 爸說那是以前使用砂石場井水時所牽的管線, 但隨水井廢棄管路也就沒用了. 我想廢物利用也可以省水管費, 所以 4/4 中午就沒睡午覺整理屋後水池邊的雜物, 並將管路經過的地方清理一下. 然後下午跑去鎮上的五金行購買 3 支三分管 (1 支 33 元), 以及介接用的套管, 總共花了 260 元. 回來已傍晚就大致接一下管線, 但沒上膠固定, 等本周回鄉下再繼續.
今天則上露天買了第二片 20W 太陽能板與流量感測器, 用來驅動水龜抽水 :
# 【綠市集】A級20W18V多晶太陽能電池板/太陽能電池組件/給12V蓄電池充電 $780
# 4分透明流量感測器 渦輪流量計 水流量感測器 流量傳感器 sensor 透明水流計 $160
詳細的控制架構周末再來詳細規劃. 如果是手動控制比較簡單, 透過手機控制 Arduino+ESP8266 模組即可; 但若要自動控制, 則需靠流量感測器來偵測是否有抽到水, 若 1 分鐘內沒偵測到流量, 就切掉水龜電源以免空轉太久燒壞.
2017年4月6日 星期四
在 Windows 中安裝 Python 機器學習套件
今天將辦公室的 Win7 電腦中較舊的 Python 3.5 移除了, 改下載安裝最新版的 Python 3.6.1, 然後試試看在 Windows 下可否像樹莓派那樣安裝機器學習函式庫 scikit-learn 以及相關套件. 結論是可以的, 而且比在樹莓派上安裝速度還快, 參考 :
# 樹莓派安裝 Python3 scikit-learn 函式庫
# Installing scikit-learn
Python 3.6.1 的安裝過程如下 (Python for Windows 下載), 注意, 機器學習實驗應安裝 64-bit 為宜, 否則無法安裝 TensorFlow, Keras 等框架 :
主要就是安裝時選擇 Customized 安裝, Optional Features 全部勾選, Advanced Options 除底下兩個 Debugging 不選外都勾選, 並將安裝路徑修改為 C:\Python36, 這樣方便尋找路徑, 詳細參考 :
# Python 學習筆記 : 安裝執行環境與 IDLE 基本操作
在 Windows 上安裝 Python 3 後, 內建套件只有 pip 與 setuptools 而已 :
C:\Users\tony>pip list
DEPRECATION: The default format will switch to columns in the future. You can us
e --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.con
f under the [list] section) to disable this warning.
pip (9.0.1)
setuptools (28.8.0)
以下就以 pip 來安裝機器學習所需之套件. 因為 scikit-learn 套件主要是建立在 numpy 與 scipy 套件的基礎上, 所以我們要依序先安裝 numpy, 再安裝 scipy, 然後是繪圖的 matplotlib, 以及處理表格的 pandas, 最後是安裝 scikit-learn.
我以為只要依序輸入下列指令即可 :
C:\Users\tony>pip3 install scipy
Collecting scipy
Downloading scipy-0.19.0.zip (15.3MB)
Installing collected packages: scipy
Running setup.py install for scipy ... error
lapack_opt_info:
lapack_mkl_info:
libraries mkl_rt not found in ['c:\\python35\\lib', 'C:\\', 'c:\\python35\
\libs']
NOT AVAILABLE
openblas_lapack_info:
libraries openblas not found in ['c:\\python35\\lib', 'C:\\', 'c:\\python3
5\\libs']
NOT AVAILABLE
atlas_3_10_threads_info:
Setting PTATLAS=ATLAS
似乎缺了甚麼函式庫的樣子, 這種錯誤訊息有看沒有懂, 一點建設性都沒有, 還是谷歌大神好用, 我在下面這篇文章中找到了一些線索 :
# Trouble installing SciPy on windows
編號 12 的回答提到安裝 Scipy 需要 FORTRAN 編譯器, 建議先去安裝 MinGW 編譯器套件 :
"To install SciPy on Windows you have to have a fortran compiler installed. The SciPy project recommends MinGW."
還要安裝 Fortran 編譯器? 感覺好麻煩, 所幸往下看到編號 6 的回覆所提供的辦法比較簡單 :
內容如下 :
"Try installing using Scipy wheel file. Download it from here: http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
Make sure to download the one that's compatible with your Python version and your laptop bit. Then install it like this:
此解決方案建議到下列網站去下載 Python wheel 檔來用 pip 安裝比較快, 因為這些 whl 檔都是已編譯好的可執行檔.
# http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
此網站提供各種 Python 套件的 wheel 安裝檔, 在 scipy 與 scikit-learn 項目下有特別提到這兩個套件需要 numpy 與 mkl 這兩個套件, 意味著只用 pip3 install numpy 是不夠的, 還需要安裝 mkl 函式庫. MKL 是 INTEL 公司開發的數學核心函式庫 (Math Kernel Library), 參見 :
# Numpy/Scipy with Intel® MKL and Intel® Compilers
而在上面 http://www.lfd.uci.edu/~gohlke/pythonlibs/ 網站上就有現成的 numpy+mkl 套件可下載, 其他像 matplotlib, scipy, pandas, scikit-learn 也都有, 但我只下載了 numpy+mkl, scipy, 與 scikit-learn 這三個 wheel 檔來安裝 (我的電腦是 Win7 64 位元, 所以下載 amd64 的檔案), pandas 與 matplotlib 直接安裝即可.
安裝指令如下 :
安裝完畢用 pip list 指令檢視套件清單 :
C:\Users\tony>pip list
DEPRECATION: The default format will switch to columns in the future. You can us
e --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.con
f under the [list] section) to disable this warning.
beautifulsoup4 (4.5.3)
cycler (0.10.0)
Django (1.8.18)
matplotlib (2.0.0)
numpy (1.12.1)
pandas (0.19.2)
pip (9.0.1)
pyparsing (2.2.0)
python-dateutil (2.6.0)
pytz (2017.2)
scikit-learn (0.18.1)
scipy (0.19.0)
setuptools (28.8.0)
six (1.10.0)
virtualenv (15.1.0)
這樣就大功告成了.
參考 :
# How to install numpy+mkl for python 2.7 on windows 64 bit?
# 樹莓派安裝 Python3 scikit-learn 函式庫
# Installing scikit-learn
Python 3.6.1 的安裝過程如下 (Python for Windows 下載), 注意, 機器學習實驗應安裝 64-bit 為宜, 否則無法安裝 TensorFlow, Keras 等框架 :
# Python 學習筆記 : 安裝執行環境與 IDLE 基本操作
在 Windows 上安裝 Python 3 後, 內建套件只有 pip 與 setuptools 而已 :
C:\Users\tony>pip list
DEPRECATION: The default format will switch to columns in the future. You can us
e --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.con
f under the [list] section) to disable this warning.
pip (9.0.1)
setuptools (28.8.0)
以下就以 pip 來安裝機器學習所需之套件. 因為 scikit-learn 套件主要是建立在 numpy 與 scipy 套件的基礎上, 所以我們要依序先安裝 numpy, 再安裝 scipy, 然後是繪圖的 matplotlib, 以及處理表格的 pandas, 最後是安裝 scikit-learn.
我以為只要依序輸入下列指令即可 :
- pip3 install numpy
- pip3 install scipy
- pip3 install matplotlib
- pip3 install pandas
- pip3 install scikit-learn -U
C:\Users\tony>pip3 install scipy
Collecting scipy
Downloading scipy-0.19.0.zip (15.3MB)
Installing collected packages: scipy
Running setup.py install for scipy ... error
lapack_opt_info:
lapack_mkl_info:
libraries mkl_rt not found in ['c:\\python35\\lib', 'C:\\', 'c:\\python35\
\libs']
NOT AVAILABLE
openblas_lapack_info:
libraries openblas not found in ['c:\\python35\\lib', 'C:\\', 'c:\\python3
5\\libs']
NOT AVAILABLE
atlas_3_10_threads_info:
Setting PTATLAS=ATLAS
似乎缺了甚麼函式庫的樣子, 這種錯誤訊息有看沒有懂, 一點建設性都沒有, 還是谷歌大神好用, 我在下面這篇文章中找到了一些線索 :
# Trouble installing SciPy on windows
編號 12 的回答提到安裝 Scipy 需要 FORTRAN 編譯器, 建議先去安裝 MinGW 編譯器套件 :
"To install SciPy on Windows you have to have a fortran compiler installed. The SciPy project recommends MinGW."
還要安裝 Fortran 編譯器? 感覺好麻煩, 所幸往下看到編號 6 的回覆所提供的辦法比較簡單 :
內容如下 :
"Try installing using Scipy wheel file. Download it from here: http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
Make sure to download the one that's compatible with your Python version and your laptop bit. Then install it like this:
pip install "path\to\your\wheel\file\scipy-0.18.1-cp27-cp27m-win_amd64.whl""此解決方案建議到下列網站去下載 Python wheel 檔來用 pip 安裝比較快, 因為這些 whl 檔都是已編譯好的可執行檔.
# http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
此網站提供各種 Python 套件的 wheel 安裝檔, 在 scipy 與 scikit-learn 項目下有特別提到這兩個套件需要 numpy 與 mkl 這兩個套件, 意味著只用 pip3 install numpy 是不夠的, 還需要安裝 mkl 函式庫. MKL 是 INTEL 公司開發的數學核心函式庫 (Math Kernel Library), 參見 :
# Numpy/Scipy with Intel® MKL and Intel® Compilers
而在上面 http://www.lfd.uci.edu/~gohlke/pythonlibs/ 網站上就有現成的 numpy+mkl 套件可下載, 其他像 matplotlib, scipy, pandas, scikit-learn 也都有, 但我只下載了 numpy+mkl, scipy, 與 scikit-learn 這三個 wheel 檔來安裝 (我的電腦是 Win7 64 位元, 所以下載 amd64 的檔案), pandas 與 matplotlib 直接安裝即可.
安裝指令如下 :
- pip3 install d:\numpy-1.12.1+mkl-cp36-cp36m-win_amd64.whl
- pip3 install d:\scipy-0.19.0-cp36-cp36m-win_amd64.whl
- pip3 install matplotlib (也可使用 wheel 檔)
- pip3 install pandas (也可使用 wheel 檔)
- pip3 install d:\scikit_learn-0.18.1-cp36-cp36m-win_amd64.whl
- pip3 install virtualenv
- pip3 install "django<1.9"
- pip3 install requests
- pip3 install BeautifulSoup4
安裝完畢用 pip list 指令檢視套件清單 :
C:\Users\tony>pip list
DEPRECATION: The default format will switch to columns in the future. You can us
e --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.con
f under the [list] section) to disable this warning.
beautifulsoup4 (4.5.3)
cycler (0.10.0)
Django (1.8.18)
matplotlib (2.0.0)
numpy (1.12.1)
pandas (0.19.2)
pip (9.0.1)
pyparsing (2.2.0)
python-dateutil (2.6.0)
pytz (2017.2)
scikit-learn (0.18.1)
scipy (0.19.0)
setuptools (28.8.0)
six (1.10.0)
virtualenv (15.1.0)
這樣就大功告成了.
參考 :
# How to install numpy+mkl for python 2.7 on windows 64 bit?
2017年4月2日 星期日
Pi Zero W 與 Pi 3 安裝 Raspbian
3/22 收到 Pi 3 以及 3/30 收到 Pi Zero W 後想要測試板子是否正常, 想把前次安裝好 R 與 Python機器學習套件製作的映像檔燒錄到創見 8G TF 卡卻發生 Size not enough 問題, 搞了一個禮拜企圖將映像檔瘦身卻不可行後只好放棄, 乾脆重新安裝 Raspbian 算了. 參考 :
# 樹莓派寫入映像檔時出現 not enough size 問題
會出現這問題主要是因為我之前製作的映像檔是在第一代樹莓派上備份的, 它使用大卡 ( TOPRAM SD 卡), 而 Pi Zero/Pi 3 使用小卡 (Trancend micro SD, 又稱 TF 卡), 雖然都是 8G 記憶卡, 但其內部可用容量不同 (即使是同樣創見 8G TF 卡都有可能不一樣), TOPRAM 的可用容量較大, 用 Win32DiskImager 做出來的映像檔也較大, 因此無法寫入較小的創見 TF 卡中.
把時間浪費在研究映像檔如何瘦身不值得, 於是決定重新在 Pi Zero W 的創見 TF 卡上安裝 Raspbian, 這樣備份出來的映像檔會比較小. 去下載新版 Raspbian 發現 Raspbian 已有 2017-03-02 新版 :
燒錄 Raspbian 後先完成 raspbian-config 的設定, 再安裝 zip 與 PHP 與 sSMTP 等基本工具, 以及 Python 與 R 的機器學習套件, 過程就不記錄了, 僅摘要所下指令, 詳細參考 :
# 樹莓派重新安裝 Raspbian 作業系統
# 在樹莓派上安裝 R 語言
# 樹莓派安裝 Python2 scikit-learn 函式庫
# 樹莓派安裝 Python3 scikit-learn 函式庫
一. 基本工具 :
$ sudo apt-get install zip unzip
二. 安裝 Apache + PHP + MySQL 網頁伺服器與 phpMyAdmin :
$ sudo apt-get install apache2
$ sudo apt-get install php5 libapache2-mod-php5$ sudo service apache2 restart
$ sudo apt-get install mysql-server mysql-client php5-mysql
$ sudo apt-get install php5-mcrypt
$ tar -jxf phpMyAdmin-4.6.6-all-languages.tar.bz2
$ mv phpMyAdmin-4.6.6-all-languages mysql
# 樹莓派寫入映像檔時出現 not enough size 問題
會出現這問題主要是因為我之前製作的映像檔是在第一代樹莓派上備份的, 它使用大卡 ( TOPRAM SD 卡), 而 Pi Zero/Pi 3 使用小卡 (Trancend micro SD, 又稱 TF 卡), 雖然都是 8G 記憶卡, 但其內部可用容量不同 (即使是同樣創見 8G TF 卡都有可能不一樣), TOPRAM 的可用容量較大, 用 Win32DiskImager 做出來的映像檔也較大, 因此無法寫入較小的創見 TF 卡中.
把時間浪費在研究映像檔如何瘦身不值得, 於是決定重新在 Pi Zero W 的創見 TF 卡上安裝 Raspbian, 這樣備份出來的映像檔會比較小. 去下載新版 Raspbian 發現 Raspbian 已有 2017-03-02 新版 :
燒錄 Raspbian 後先完成 raspbian-config 的設定, 再安裝 zip 與 PHP 與 sSMTP 等基本工具, 以及 Python 與 R 的機器學習套件, 過程就不記錄了, 僅摘要所下指令, 詳細參考 :
# 樹莓派重新安裝 Raspbian 作業系統
# 在樹莓派上安裝 R 語言
# 樹莓派安裝 Python2 scikit-learn 函式庫
# 樹莓派安裝 Python3 scikit-learn 函式庫
一. 基本工具 :
$ sudo apt-get install zip unzip
二. 安裝 Apache + PHP + MySQL 網頁伺服器與 phpMyAdmin :
$ sudo apt-get install apache2
$ sudo apt-get install php5 libapache2-mod-php5$ sudo service apache2 restart
$ sudo apt-get install mysql-server mysql-client php5-mysql
$ sudo apt-get install php5-mcrypt
$ tar -jxf phpMyAdmin-4.6.6-all-languages.tar.bz2
$ mv phpMyAdmin-4.6.6-all-languages mysql
$ sudo mv mysql /var/www/html
$ sudo service apache2 restart
三. 安裝 Python 機器學習套件 :
$ sudo apt-get install python3-numpy
$ sudo apt-get install python3-scipy
$ sudo apt-get install python3-matplotlib
$ sudo apt-get install python3-pandas
$ sudo pip3 install scikit-learn -U
$ sudo apt-get install python-numpy
$ sudo apt-get install python-scipy
$ sudo apt-get install python-matplotlib
$ sudo apt-get install python-pandas
$ sudo pip install scikit-learn -U
四. 安裝 R 語言
安裝 R 語言前最好先更新已安裝套件清單並升級 :
$ sudo apt-get update
$ sudo service apache2 restart
三. 安裝 Python 機器學習套件 :
for Python 3 :
$ sudo apt-get install python3-scipy
$ sudo apt-get install python3-matplotlib
$ sudo apt-get install python3-pandas
$ sudo pip3 install scikit-learn -U
for Python 2 :
$ sudo apt-get install python-numpy
$ sudo apt-get install python-scipy
$ sudo apt-get install python-matplotlib
$ sudo apt-get install python-pandas
$ sudo pip install scikit-learn -U
四. 安裝 R 語言
安裝 R 語言前最好先更新已安裝套件清單並升級 :
$ sudo apt-get update
$ sudo apt-get upgrade
$ sudo apt-get install r-base
這樣便在 Pi Zero W 上安裝好 Raspbian 以及我研究機器學習所需要的工具了, 用 pip list 與 pip3 list 指令檢查已安裝套件清單 :
下面則是安裝全部所需套件後的使用情形 :
pi@raspberrypi:~ $ df -Bm
Filesystem 1M-blocks Used Available Use% Mounted on
/dev/root 7270M 4722M 2194M 69% /
devtmpfs 427M 0M 427M 0% /dev
tmpfs 432M 0M 432M 0% /dev/shm
tmpfs 432M 6M 426M 2% /run
tmpfs 5M 1M 5M 1% /run/lock
tmpfs 432M 0M 432M 0% /sys/fs/cgroup
/dev/mmcblk0p1 63M 21M 42M 33% /boot
tmpfs 87M 0M 87M 0% /run/user/1000
因此上面所安裝的套件大約是 377MB 左右. 此 Transcend 8G TF 卡所備份的映像檔大小為 7761920KB (=7948206080 Bytes) :
而之前在第一代樹莓派上的 TOPRAM SD 大卡備份出來的映像檔大小是 7782400KB (=7969177600 Bytes), TOPRAM 的 SD 可用容量真的比 Transcend 的多了 20971520 Bytes (=20480 KB) :
我把這片新的卡放到 Pi 3 去跑一切 OK, 代表這片以 1000 元超便宜價新買的 Pi 3 也驗收過關啦! 其次以新的映像檔燒錄到可用容量大了 21MB 左右的 TOPRAM 8G SD 大卡上也沒問題, 這樣只要保留最新的映像檔即可, 以前的舊檔可以全部刪除了.
參考 :
# Script to run some benchmark test for Raspberry Pi
這樣便在 Pi Zero W 上安裝好 Raspbian 以及我研究機器學習所需要的工具了, 用 pip list 與 pip3 list 指令檢查已安裝套件清單 :
pi@raspberrypi:~ $ pip list
argparse (1.2.1)
beautifulsoup4 (4.3.2)
blinker (1.3)
chardet (2.3.0)
colorama (0.3.2)
decorator (3.4.0)
Flask (0.10.1)
gpiozero (1.3.2)
html5lib (0.999)
itsdangerous (0.24)
Jinja2 (2.7.3)
joblib (0.8.3)
lxkeymap (0.1)
MarkupSafe (0.23)
matplotlib (1.4.2)
mcpi (0.1.1)
mock (1.0.1)
ndg-httpsclient (0.3.2)
nose (1.3.4)
numexpr (2.4)
numpy (1.8.2)
openpyxl (1.7.0)
pandas (0.14.1)
picamera (1.13)
picraft (1.0)
pifacecommon (4.2.1)
pifacedigitalio (3.1.0)
pigpio (1.35)
Pillow (2.6.1)
pip (1.5.6)
pyasn1 (0.1.7)
pygame (1.9.2a0)
pygobject (3.14.0)
pyinotify (0.9.4)
pyOpenSSL (0.13.1)
pyparsing (2.0.3)
pyserial (2.6)
python-apt (0.9.3.12)
python-dateutil (2.2)
pytz (2012c)
requests (2.4.3)
RPi.GPIO (0.6.3)
RTIMULib (7.2.1)
scikit-learn (0.18.1)
scipy (0.14.0)
sense-emu (1.0)
sense-hat (2.2.0)
setuptools (5.5.1)
simplejson (3.6.5)
six (1.8.0)
smbus (1.1)
spidev (3.0)
statsmodels (0.4.2)
tables (3.1.1)
twython (3.1.2)
urllib3 (1.9.1)
Werkzeug (0.9.6)
wheel (0.24.0)
wsgiref (0.1.2)
xlrd (0.9.2)
xlwt (0.7.5)
pi@raspberrypi:~ $ pip3 list
beautifulsoup4 (4.3.2)
chardet (2.3.0)
codebug-i2c-tether (0.2.3)
codebug-tether (0.7.0)
colorama (0.3.2)
decorator (3.4.0)
Flask (0.10.1)
gpiozero (1.3.2)
html5lib (0.999)
itsdangerous (0.24)
Jinja2 (2.7.3)
lxml (3.4.0)
MarkupSafe (0.23)
matplotlib (1.4.2)
mcpi (0.1.1)
nose (1.3.4)
numexpr (2.4)
numpy (1.8.2)
pandas (0.14.1)
pgzero (1.1)
picamera (1.13)
picraft (1.0)
pifacecommon (4.2.1)
pifacedigitalio (3.1.0)
pigpio (1.35)
Pillow (2.6.1)
pip (1.5.6)
pygame (1.9.2a0)
pygobject (3.14.0)
pyinotify (0.9.4)
pyOpenSSL (0.13.1)
pyparsing (2.0.3)
pyserial (2.6)
python-apt (0.9.3.12)
python-dateutil (2.2)
python-debian (0.1.27)
pytz (2012c)
requests (2.4.3)
RPi.GPIO (0.6.3)
RTIMULib (7.2.1)
scikit-learn (0.18.1)
scipy (0.14.0)
sense-emu (1.0)
sense-hat (2.2.0)
setuptools (5.5.1)
six (1.8.0)
smbus (1.1)
spidev (3.0)
tables (3.1.1)
twython (3.1.2)
urllib3 (1.9.1)
Werkzeug (0.9.6)
wheel (0.24.0)
下面是剛安裝完 Raspbian 後 SD 卡的使用情形 :
pi@raspberrypi:~ $ df -Bm
Filesystem 1M-blocks Used Available Use% Mounted on
/dev/root 7270M 4345M 2571M 63% /
devtmpfs 182M 0M 182M 0% /dev
tmpfs 186M 0M 186M 0% /dev/shm
tmpfs 186M 5M 182M 3% /run
tmpfs 5M 1M 5M 1% /run/lock
tmpfs 186M 0M 186M 0% /sys/fs/cgroup
/dev/mmcblk0p1 63M 21M 42M 33% /boot
tmpfs 38M 0M 38M 0% /run/user/1000
argparse (1.2.1)
beautifulsoup4 (4.3.2)
blinker (1.3)
chardet (2.3.0)
colorama (0.3.2)
decorator (3.4.0)
Flask (0.10.1)
gpiozero (1.3.2)
html5lib (0.999)
itsdangerous (0.24)
Jinja2 (2.7.3)
joblib (0.8.3)
lxkeymap (0.1)
MarkupSafe (0.23)
matplotlib (1.4.2)
mcpi (0.1.1)
mock (1.0.1)
ndg-httpsclient (0.3.2)
nose (1.3.4)
numexpr (2.4)
numpy (1.8.2)
openpyxl (1.7.0)
pandas (0.14.1)
picamera (1.13)
picraft (1.0)
pifacecommon (4.2.1)
pifacedigitalio (3.1.0)
pigpio (1.35)
Pillow (2.6.1)
pip (1.5.6)
pyasn1 (0.1.7)
pygame (1.9.2a0)
pygobject (3.14.0)
pyinotify (0.9.4)
pyOpenSSL (0.13.1)
pyparsing (2.0.3)
pyserial (2.6)
python-apt (0.9.3.12)
python-dateutil (2.2)
pytz (2012c)
requests (2.4.3)
RPi.GPIO (0.6.3)
RTIMULib (7.2.1)
scikit-learn (0.18.1)
scipy (0.14.0)
sense-emu (1.0)
sense-hat (2.2.0)
setuptools (5.5.1)
simplejson (3.6.5)
six (1.8.0)
smbus (1.1)
spidev (3.0)
statsmodels (0.4.2)
tables (3.1.1)
twython (3.1.2)
urllib3 (1.9.1)
Werkzeug (0.9.6)
wheel (0.24.0)
wsgiref (0.1.2)
xlrd (0.9.2)
xlwt (0.7.5)
beautifulsoup4 (4.3.2)
chardet (2.3.0)
codebug-i2c-tether (0.2.3)
codebug-tether (0.7.0)
colorama (0.3.2)
decorator (3.4.0)
Flask (0.10.1)
gpiozero (1.3.2)
html5lib (0.999)
itsdangerous (0.24)
Jinja2 (2.7.3)
lxml (3.4.0)
MarkupSafe (0.23)
matplotlib (1.4.2)
mcpi (0.1.1)
nose (1.3.4)
numexpr (2.4)
numpy (1.8.2)
pandas (0.14.1)
pgzero (1.1)
picamera (1.13)
picraft (1.0)
pifacecommon (4.2.1)
pifacedigitalio (3.1.0)
pigpio (1.35)
Pillow (2.6.1)
pip (1.5.6)
pygame (1.9.2a0)
pygobject (3.14.0)
pyinotify (0.9.4)
pyOpenSSL (0.13.1)
pyparsing (2.0.3)
pyserial (2.6)
python-apt (0.9.3.12)
python-dateutil (2.2)
python-debian (0.1.27)
pytz (2012c)
requests (2.4.3)
RPi.GPIO (0.6.3)
RTIMULib (7.2.1)
scikit-learn (0.18.1)
scipy (0.14.0)
sense-emu (1.0)
sense-hat (2.2.0)
setuptools (5.5.1)
six (1.8.0)
smbus (1.1)
spidev (3.0)
tables (3.1.1)
twython (3.1.2)
urllib3 (1.9.1)
Werkzeug (0.9.6)
wheel (0.24.0)
pi@raspberrypi:~ $ df -Bm
Filesystem 1M-blocks Used Available Use% Mounted on
/dev/root 7270M 4345M 2571M 63% /
devtmpfs 182M 0M 182M 0% /dev
tmpfs 186M 0M 186M 0% /dev/shm
tmpfs 186M 5M 182M 3% /run
tmpfs 5M 1M 5M 1% /run/lock
tmpfs 186M 0M 186M 0% /sys/fs/cgroup
/dev/mmcblk0p1 63M 21M 42M 33% /boot
tmpfs 38M 0M 38M 0% /run/user/1000
下面則是安裝全部所需套件後的使用情形 :
pi@raspberrypi:~ $ df -Bm
Filesystem 1M-blocks Used Available Use% Mounted on
/dev/root 7270M 4722M 2194M 69% /
devtmpfs 427M 0M 427M 0% /dev
tmpfs 432M 0M 432M 0% /dev/shm
tmpfs 432M 6M 426M 2% /run
tmpfs 5M 1M 5M 1% /run/lock
tmpfs 432M 0M 432M 0% /sys/fs/cgroup
/dev/mmcblk0p1 63M 21M 42M 33% /boot
tmpfs 87M 0M 87M 0% /run/user/1000
而之前在第一代樹莓派上的 TOPRAM SD 大卡備份出來的映像檔大小是 7782400KB (=7969177600 Bytes), TOPRAM 的 SD 可用容量真的比 Transcend 的多了 20971520 Bytes (=20480 KB) :
我把這片新的卡放到 Pi 3 去跑一切 OK, 代表這片以 1000 元超便宜價新買的 Pi 3 也驗收過關啦! 其次以新的映像檔燒錄到可用容量大了 21MB 左右的 TOPRAM 8G SD 大卡上也沒問題, 這樣只要保留最新的映像檔即可, 以前的舊檔可以全部刪除了.
參考 :
# Script to run some benchmark test for Raspberry Pi
2017 年第 13 周記事
3/30 收到英國寄來的 Pi Zero W, 不需要再插 USB 網卡還附帶藍芽, 這實在太棒了, 而且加了這些功能才 512 元, 比上回跟露天賣家買的 Pi Zero v1.3 的 650 元相比 CP 值實在是高多了.
三月初接到社會局李小姐通知, 說阿蘭托養補助已核准, 但必須搬遷到評鑑甲等以上的養護中心才能撥款, 我跟鎮上唯一的一家甲等養護中心聯繫, 獲得原中心社工協助辦理體檢等手續後, 終於在昨天 4/1 日順利移居到新的養護中心了.
兩周沒回鄉下, 第三批玉米剛好成熟採收, 昨天先採了七支來煮, 哇, 鮮採下鍋的玉米真是美味, 一口氣就吃了兩支. 本想今日下午等菁菁她們回鄉下全部採完, 但傍晚忙洗車忘了, 明天早上再採. 第四批玉米也在茁壯成長, 已到腰部矣, 現日照漸長, 預估再一個月即可採收. 現在還在猶豫要不要種第五批, 現在種的話應可在六月底雨季來臨前收成.
昨晚小舅來時說小芸帶孩子回鄉下, 我早上去市集時就到全聯買了一袋乖乖, 下午拿了兩顆高麗菜去給她們, 但推門進去卻沒看到半個人. 過了一會兒才回來, 原來是朋友載他們去採小番茄. 她小女兒已經大班了, 好快啊! 上次見到時才不滿一歲呢!
三月初接到社會局李小姐通知, 說阿蘭托養補助已核准, 但必須搬遷到評鑑甲等以上的養護中心才能撥款, 我跟鎮上唯一的一家甲等養護中心聯繫, 獲得原中心社工協助辦理體檢等手續後, 終於在昨天 4/1 日順利移居到新的養護中心了.
兩周沒回鄉下, 第三批玉米剛好成熟採收, 昨天先採了七支來煮, 哇, 鮮採下鍋的玉米真是美味, 一口氣就吃了兩支. 本想今日下午等菁菁她們回鄉下全部採完, 但傍晚忙洗車忘了, 明天早上再採. 第四批玉米也在茁壯成長, 已到腰部矣, 現日照漸長, 預估再一個月即可採收. 現在還在猶豫要不要種第五批, 現在種的話應可在六月底雨季來臨前收成.
昨晚小舅來時說小芸帶孩子回鄉下, 我早上去市集時就到全聯買了一袋乖乖, 下午拿了兩顆高麗菜去給她們, 但推門進去卻沒看到半個人. 過了一會兒才回來, 原來是朋友載他們去採小番茄. 她小女兒已經大班了, 好快啊! 上次見到時才不滿一歲呢!
樹莓派寫入映像檔時出現 not enough size 問題
上週六 3/24 收到露天賣家寄來的 Pi 3 後一直沒時間測試, 昨天整理公司抽屜時發現一個 8G TF 卡, 用讀卡機檢視卡片內容研判應該是菁菁那支螢幕壞掉一角的 iNo 手機以前使用的 Micro SD 卡, 於是將其中的相片與錄音檔另存於硬碟後, 使用 SDFormatter 將其格式化, 再用 Win32DiskImager 將之前備份起來的樹莓派 img 映像檔燒入 TF 卡中, 但是很意外地卻出現如下錯誤訊息 :
"Not enough space on disk : Size 15564800 sectors Available : 15523840 sectors Sector Size : 512"
意思是說映像檔大小是 15564800 個區段 (sectors), 而 TF 卡卻只有 15523840 個區段可供存放, 短缺了 40960 個區段, 每個區段 512 Bytes, 所以映像檔多出了 40960*512=20971520 Bytes 塞不下去.
在下面這篇文章中提到, 即使是同型號的 8G SD 卡, 格式化後可使用的容量可能會有一些差異, 這使得使用較大可用容量 SD 卡製作的映像檔塞不進可使用容量較小之同款 SD 卡, 更何況是不同廠牌的 8G 卡, 差距可能又大些 :
# win32diskimager not enough space
例如我另一片同廠牌同款式的創見 8G Class 4 TF 卡, 在 PC 檔案總管中顯示可用空間為 7939686400 Bytes, 除以 512 為 15507200 個區段, 比上面那片同款式的 TF 卡還少, 當然也寫不進去 :
這篇文章還提到這跟擴展 SD 卡可用空間有關 (在 raspi-config 中可設定, 以便作業系統可使用到整片 8G 容量), 但是我重新安裝系統後, 刻意不去 Expand File System, 而是馬上製作 img 映像檔, 但結果 img 檔一樣是 7.8G, 沒有比較少, 所以我覺得跟擴展檔案系統沒關係, Win32DiskImager 就是做整片卡的映像.
我另外參考了下列文章試圖去縮減 img 檔大小, 但有的看不懂, 有的沒辦法做, 例如想把 7.8G 的映像檔放進隨身碟插入樹莓派, 然後用一個 Perl 程式去將映像檔瘦身, 問題是 7.8G 太大放不進 FAT 格式的隨身碟, 而 NTFS 雖放得下, Raspbian 卻讀不到. 也安裝了一個 Windows 軟體來瘦身, 但寫入 SD 卡後卻開機中途失敗, 都是徒勞無功 :
"Not enough space on disk : Size 15564800 sectors Available : 15523840 sectors Sector Size : 512"
意思是說映像檔大小是 15564800 個區段 (sectors), 而 TF 卡卻只有 15523840 個區段可供存放, 短缺了 40960 個區段, 每個區段 512 Bytes, 所以映像檔多出了 40960*512=20971520 Bytes 塞不下去.
在下面這篇文章中提到, 即使是同型號的 8G SD 卡, 格式化後可使用的容量可能會有一些差異, 這使得使用較大可用容量 SD 卡製作的映像檔塞不進可使用容量較小之同款 SD 卡, 更何況是不同廠牌的 8G 卡, 差距可能又大些 :
# win32diskimager not enough space
例如我另一片同廠牌同款式的創見 8G Class 4 TF 卡, 在 PC 檔案總管中顯示可用空間為 7939686400 Bytes, 除以 512 為 15507200 個區段, 比上面那片同款式的 TF 卡還少, 當然也寫不進去 :
這篇文章還提到這跟擴展 SD 卡可用空間有關 (在 raspi-config 中可設定, 以便作業系統可使用到整片 8G 容量), 但是我重新安裝系統後, 刻意不去 Expand File System, 而是馬上製作 img 映像檔, 但結果 img 檔一樣是 7.8G, 沒有比較少, 所以我覺得跟擴展檔案系統沒關係, Win32DiskImager 就是做整片卡的映像.
我另外參考了下列文章試圖去縮減 img 檔大小, 但有的看不懂, 有的沒辦法做, 例如想把 7.8G 的映像檔放進隨身碟插入樹莓派, 然後用一個 Perl 程式去將映像檔瘦身, 問題是 7.8G 太大放不進 FAT 格式的隨身碟, 而 NTFS 雖放得下, Raspbian 卻讀不到. 也安裝了一個 Windows 軟體來瘦身, 但寫入 SD 卡後卻開機中途失敗, 都是徒勞無功 :
# Resizing Partitions & Disks
# win32diskimager not enough space
# Win32DiskImager (IBEX)
# SD image too big for another SD Card
# Reducing Raspbian File System Image Size
# How to shrink an image file after allocating full space
# Image of a 16Gb card containing unpartitioned space at the end: Truncating possible?
# How to BackUp and Shrink Your Raspberry Pi Image
# Raspberry Pi：使用GParted調整SD記憶卡分割區的大小
# Raspberry Piのimgファイルを縮小してマイクロSDカードに書き込む
最後還是重新安裝系統解決較快. 重點是要安裝到可用容量稍小的 Transcend SD 卡上, 而不要安裝到較大的 TOPRAM SD 卡上.
# win32diskimager not enough space
# Win32DiskImager (IBEX)
# SD image too big for another SD Card
# Reducing Raspbian File System Image Size
# How to shrink an image file after allocating full space
# Image of a 16Gb card containing unpartitioned space at the end: Truncating possible?
# How to BackUp and Shrink Your Raspberry Pi Image
# Raspberry Pi：使用GParted調整SD記憶卡分割區的大小
# Raspberry Piのimgファイルを縮小してマイクロSDカードに書き込む
最後還是重新安裝系統解決較快. 重點是要安裝到可用容量稍小的 Transcend SD 卡上, 而不要安裝到較大的 TOPRAM SD 卡上.
訂閱：
文章
(
Atom
)