Attēlu atpazīšana ar TensorFlow uz Raspberry Pi: 6 soļi

2024 Autors: John Day | [email protected]. Pēdējoreiz modificēts: 2024-01-30 10:56

Google TensorFlow ir atvērtā pirmkoda programmatūras bibliotēka ciparu skaitļošanai, izmantojot datu plūsmas diagrammas. Google to izmanto dažādās mašīnmācīšanās un dziļās mācīšanās tehnoloģiju jomās. TensorFlow sākotnēji izstrādāja Google smadzeņu komanda, un tas tiek publicēts publiskajā domēnā, piemēram, GitHub.

Lai iegūtu vairāk pamācību, apmeklējiet mūsu emuāru. Iegūstiet Raspberry Pi no FactoryForward - apstiprināta tālākpārdevēja Indijā.

Lasiet šo pamācību mūsu emuārā šeit.

1. darbība: mašīnmācīšanās

Mašīnmācība un dziļā mācīšanās būs mākslīgā intelekta (AI) jomā. Mašīnmācīšanās novēros un analizēs pieejamos datus un laika gaitā uzlabos to rezultātus.

Piemērs: YouTube ieteikto videoklipu funkcija. Tas parāda saistītus videoklipus, kurus iepriekš skatījāties. Prognoze attiecas tikai uz teksta rezultātiem. Bet dziļa mācīšanās var būt dziļāka par šo.

2. solis: dziļa mācīšanās

Dziļā mācīšanās ir gandrīz līdzīga tai, taču tā pati pieņem precīzāku lēmumu, apkopojot dažādu informāciju par objektu. Tam ir daudz analīzes slāņu, un saskaņā ar to tiek pieņemts lēmums. Lai paātrinātu procesu, tas izmanto neironu tīklu un sniedz mums precīzāku rezultātu, kas mums vajadzīgs (nozīmē labāku prognozi nekā ML). Kaut kas līdzīgs tam, kā cilvēka smadzenes domā un pieņem lēmumus.

Piemērs: objektu noteikšana. Tas nosaka, kas attēlā ir pieejams. Kaut kas līdzīgs, ka jūs varat atšķirt Arduino un Raspberry Pi pēc izskata, izmēra un krāsām.

Tā ir plaša tēma, un tai ir dažādi pielietojumi.

3. darbība. Priekšnosacījumi

TensorFlow paziņoja par oficiālu atbalstu Raspberry Pi, no versijas 1.9 tā atbalstīs Raspberry Pi, izmantojot pip pakotnes instalāciju. Šajā apmācībā mēs redzēsim, kā to instalēt mūsu Raspberry Pi.

• Python 3.4 (ieteicams)
• Raspberry Pi
• Enerģijas padeve
• Raspbian 9 (Stretch)

4. solis: atjauniniet savu Raspberry Pi un tā iepakojumus

1. darbība: atjauniniet savu Raspberry Pi un tā pakotnes.

sudo apt-get update

sudo apt-get jauninājums

2. darbība: pārbaudiet, vai jums ir jaunākā python versija, izmantojot šo komandu.

python3-versija

Ieteicams izmantot vismaz Python 3.4.

3. solis: mums jāinstalē libatlas bibliotēka (ATLAS - automātiski noregulēta lineārās algebra programmatūra). Tā kā TensorFlow izmanto numpy. Tātad, instalējiet to, izmantojot šādu komandu

sudo apt instalēt libatlas-base-dev

4. solis: instalējiet TensorFlow, izmantojot komandu Pip3 install.

pip3 instalējiet tensorflow

Tagad TensorFlow ir instalēts.

5. darbība: attēla prognozēšana, izmantojot Imagenet modeļa piemēru:

TensorFlow ir publicējis modeli attēlu prognozēšanai. Vispirms lejupielādējiet modeli un pēc tam palaidiet to.

1. darbība: Lai lejupielādētu modeļus, izpildiet šo komandu. Jums, iespējams, būs jāinstalē git.

git klons

2. darbība: dodieties uz imagenet piemēru.

cd modeļi/apmācības/image/imagenet

Pro padoms: Jaunajā Raspbian Stretch failā “classify_image.py” varat atrast manuāli un pēc tam noklikšķiniet uz tā ar peles labo pogu. Izvēlieties “Kopēt ceļu (-us)”. Pēc tam ielīmējiet to terminālī aiz “cd” un nospiediet taustiņu Enter. Tādā veidā jūs varat pārvietoties ātrāk bez kļūdām (pareizrakstības kļūdas gadījumā vai faila nosaukuma maiņa jaunos atjauninājumos).

Es izmantoju “Kopēšanas ceļa (-u)” metodi, tāpēc tas ietvers precīzu attēla ceļu (/home/pi).

3. darbība. Izpildiet piemēru, izmantojot šo komandu. Paredzētā rezultāta parādīšanai būs nepieciešamas aptuveni 30 sekundes.

python3 classify_image.py

6. darbība: pielāgota attēla prognozēšana

Varat arī lejupielādēt attēlu no interneta vai izmantot savu kameru uzņemto attēlu, lai prognozētu. Lai iegūtu labākus rezultātus, izmantojiet mazāk atmiņas attēlu.

Lai izmantotu pielāgotus attēlus, rīkojieties šādi. Man ir attēla fails “/home/pi/Downloads/TensorImageTest1.jpg”. Vienkārši nomainiet to ar faila atrašanās vietu un nosaukumu. Izmantojiet “Kopēt ceļu (-us)”, lai atvieglotu navigāciju.

python3 classify_image.py --image_file =/home/pi/Lejupielādes/TensorImageTest1.jpg

Varat arī izmēģināt citus piemērus. Bet pirms izpildes jums jāinstalē nepieciešamās paketes. Gaidāmajās apmācībās mēs apskatīsim dažas interesantas TensorFlow tēmas.