如何在Yocto Poky镜像中添加并构建Keras与TensorFlow包？

Poky本身默认并没有包含TensorFlow和Keras的官方recipe，我之前帮不少开发者解决过类似问题，核心思路要么用官方维护的Python层，要么自己编写适配的recipe，下面分两种场景给你详细步骤：

方法一：使用官方meta-python层（推荐） #

OpenEmbedded的meta-python层维护了大量Python生态的recipe，其中就包含TensorFlow和Keras，这是最省心的方式：

• 步骤1：获取匹配版本的meta-python层
  一定要确保你克隆的meta-python分支和你的Poky版本完全一致（比如Poky用kirkstone，meta-python也用kirkstone分支），避免版本不兼容问题。在Poky同级目录执行：

  git clone -b <your-poky-branch> git://git.openembedded.org/meta-python
  

• 步骤2：将meta-python添加到构建配置
  打开你的build目录下的conf/bblayers.conf，把meta-python的路径添加到BBLAYERS列表中，比如：

  BBLAYERS ?= " \
    ${TOPDIR}/../poky/meta \
    ${TOPDIR}/../poky/meta-poky \
    ${TOPDIR}/../poky/meta-yocto-bsp \
    ${TOPDIR}/../meta-python \
    "
  

• 步骤3：确认recipe存在
  执行以下命令验证TensorFlow和Keras的recipe是否可用：

  bitbake-layers show-recipes | grep -E "(tensorflow|keras)"
  

  你应该能看到python3-tensorflow和python3-keras相关的条目。

• 步骤4：将包添加到镜像
  打开conf/local.conf，在IMAGE_INSTALL后追加这两个包：

  IMAGE_INSTALL:append = " python3-tensorflow python3-keras"
  

  然后重新构建你的目标镜像即可，比如：

  bitbake core-image-minimal
  

方法二：自定义编写Recipe（针对特殊版本需求） #

如果meta-python里的包版本不符合你的要求，或者你需要定制化编译选项，可以自己编写recipe：

• 创建Keras的Recipe文件
  在你自己的自定义layer（比如meta-mylayer）中创建路径recipes-devtools/python/，然后新建python3-keras_<version>.bb文件，基础内容如下：

  SUMMARY = "High-level neural networks API"
  HOMEPAGE = "https://keras.io"
  LICENSE = "MIT"
  LIC_FILES_CHKSUM = "file://LICENSE;md5=5c65a065b9b90d9395294d40e7182130"
  
  PV = "2.15.0"
  SRC_URI = "https://pypi.org/packages/source/K/Keras/Keras-${PV}.tar.gz"
  SRC_URI[sha256sum] = "a3797d48a0434f2860e70630d0b2777a18f90438422d8a60f5d3f52814a2e09e"
  
  inherit setuptools3
  
  # Keras的依赖，根据版本调整
  RDEPENDS:${PN} = "python3-numpy python3-h5py python3-six python3-tensorflow"
  

• 处理校验和
  如果你不确定sha256sum，可以先执行bitbake -c fetch python3-keras --runonly=fetch下载源码包，然后用sha256sum计算文件的校验和并更新到recipe中。

• TensorFlow的自定义Recipe
  TensorFlow的recipe会更复杂，因为它依赖大量库且编译参数多，建议参考meta-python中的python3-tensorflow recipe进行修改，重点调整SRC_URI、PV以及编译选项（比如针对ARM架构的优化）。

关键注意事项 #

• 版本匹配：务必保证meta-python和Poky的分支版本一致，否则会出现依赖冲突或编译失败的问题。
• 硬件适配：如果是嵌入式ARM设备，可能需要在local.conf中添加硬件加速相关的配置，比如启用GPU支持（如果设备支持的话）：

  TENSORFLOW_ENABLE_GPU = "1"
  

• 编译资源：TensorFlow编译非常消耗CPU和内存，建议在local.conf中增加编译线程数：

  BB_NUMBER_THREADS = "8"
  PARALLEL_MAKE = "-j 8"
  

内容的提问来源于stack exchange，提问作者user9514893