Njohja e imazhit me TensorFlow në Raspberry Pi: 6 hapa

2024 Autor: John Day | [email protected]. E modifikuara e fundit: 2024-01-30 12:23

Google TensorFlow është një Bibliotekë softuerike me burim të hapur për llogaritjen numerike duke përdorur grafikët e rrjedhës së të dhënave. Përdoret nga Google në fushat e ndryshme të të mësuarit të makinerisë dhe teknologjive të të mësuarit të thellë. TensorFlow u krijua fillimisht nga Google Brain Team dhe publikohet në domenin publik si GitHub.

Për më shumë mësime vizitoni blogun tonë. Merrni Raspberry Pi nga FactoryForward - Rishitës i Miratuar në Indi.

Lexoni këtë tutorial në blogun tonë këtu.

Hapi 1: Mësimi i makinerisë

Mësimi i Makinerisë dhe Mësimi i Thellë do të hyjnë nën Inteligjencën Artificiale (AI). Një Mësim Makinerik do të vëzhgojë dhe analizojë të dhënat në dispozicion dhe do t'i përmirësojë rezultatet e tij me kalimin e kohës.

Shembull: Funksioni i videove të rekomanduara nga YouTube. Ajo tregon video të lidhura që keni parë më parë. Parashikimi është i kufizuar vetëm në rezultatet e bazuara në tekst. Por mësimi i thellë mund të shkojë më thellë se kaq.

Hapi 2: Mësimi i thellë

Mësimi i thellë është pothuajse i ngjashëm me atë, por ai merr një vendim më të saktë në vetvete duke mbledhur informacione të ndryshme të një objekti. Ka shumë shtresa analize dhe merr një vendim sipas tij. Për të përshpejtuar procesin, ai përdor Rrjetin Neural dhe na siguron rezultatin më të saktë që na duhej (do të thotë parashikim më i mirë se ML). Diçka si mendon dhe merr vendime truri i njeriut.

Shembull: Zbulimi i objekteve. Ajo zbulon atë që është në dispozicion në një imazh. Diçka e ngjashme me të cilën mund të dalloni një Arduino dhe Raspberry Pi sipas pamjes, madhësisë dhe ngjyrave të tij.

Shtë një temë e gjerë dhe ka aplikime të ndryshme.

Hapi 3: Parakushtet

TensorFlow njoftoi mbështetjen zyrtare për Raspberry Pi, nga Versioni 1.9 ai do të mbështesë Raspberry Pi duke përdorur instalimin e paketës pip. Ne do të shohim se si ta instalojmë në Raspberry Pi tonë në këtë tutorial.

• Python 3.4 (rekomandohet)
• Raspberry Pi
• Furnizimi me energji elektrike
• Raspbian 9 (Stretch)

Hapi 4: Përditësoni Raspberry Pi tuaj dhe Pakot e tij

Hapi 1: Përditësoni Raspberry Pi tuaj dhe paketat e tij.

përditësim sudo apt-get

sudo apt-get upgrade

Hapi 2: Provoni që keni versionin më të fundit të python, duke përdorur këtë komandë.

python3 –-version

Rekomandohet të keni të paktën Python 3.4.

Hapi 3: Ne duhet të instalojmë bibliotekën libatlas (ATLAS - Softuer automatik i rregulluar linear i algjebrës). Sepse TensorFlow përdor numpy. Pra, instaloni atë duke përdorur komandën e mëposhtme

sudo apt instaloni libatlas-base-dev

Hapi 4: Instaloni TensorFlow duke përdorur komandën e instalimit Pip3.

pip3 instaloni tensorflow

Tani TensorFlow është instaluar.

Hapi 5: Parashikimi i një imazhi duke përdorur modelin Imagenet Shembull:

TensorFlow ka publikuar një model për të parashikuar imazhe. Së pari ju duhet të shkarkoni modelin dhe pastaj ta ekzekutoni.

Hapi 1: Drejtoni komandën e mëposhtme për të shkarkuar modelet. Ju mund të keni nevojë të keni të instaluar git.

git klon

Hapi 2: Shkoni te shembulli i imagenet.

modele cd/mësime/imazh/imagenet

Këshillë Pro: Në Raspbian Stretch të ri, mund të gjeni skedarin ‘classify_image.py’ me dorë dhe pastaj ‘Klikoni me të djathtën’ mbi të. Zgjidhni "Kopjo rrugën (et)". Pastaj ngjiteni atë në terminal pas 'cd' dhe shtypni enter. Në këtë mënyrë ju mund të lundroni më shpejt pa asnjë gabim (në rast gabimi drejtshkrimor ose emri i skedarit ndryshohet në azhurnimet e reja).

Kam përdorur metodën "Kopjo rrugën (et)" kështu që do të përfshijë rrugën e saktë në imazh (/home/pi).

Hapi 3: Drejtoni shembullin duke përdorur këtë komandë. Do të duhen rreth 30 sekonda për të treguar rezultatin e parashikuar.

python3 classify_image.py

Hapi 6: Parashikimi i personalizuar i imazhit

Ju gjithashtu mund të shkarkoni një imazh nga interneti ose të përdorni imazhin tuaj të shkrepur në kamerën tuaj për parashikime. Për rezultate më të mira përdorni më pak imazhe të kujtesës.

Për të përdorur imazhe të personalizuara, përdorni mënyrën e mëposhtme. Unë kam skedarin e imazhit në vendndodhjen ‘/home/pi/Downloads/TensorImageTest1.jpg’. Vetëm zëvendësojeni këtë me vendndodhjen dhe emrin e skedarit tuaj. Përdorni "Kopjo rrugën (et)" për navigim më të lehtë.

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

Mund të provoni edhe shembuj të tjerë. Por ju duhet të instaloni paketat e nevojshme para ekzekutimit. Ne do të mbulojmë disa tema interesante të TensorFlow në mësimet e ardhshme.