- Vaatimukset
- TensorFlow: n asentaminen Raspberry Pi: hen
- Kuvaluokan asentaminen Raspberry Pi -laitteeseen kuvan tunnistamista varten
Koneoppiminen ja tekoäly ovat trendikkäitä aiheita teollisuudessa nykyään, ja voimme nähdä niiden lisääntyvän osallistumisen jokaisen uuden elektroniikkalaitteen lanseeraamiseen. Lähes kaikissa tietojenkäsittelytekniikan sovelluksissa käytetään koneoppimista tulevien tulosten analysointiin ja ennustamiseen. Markkinoilla on jo monia laitteita, jotka käyttävät koneoppimisen ja tekoälyn voimaa, kuten älypuhelimen kamera käyttää tekoälyä tukevia ominaisuuksia kasvojen havaitsemiseen ja näennäisen iän kertomiseen kasvojentunnistuksesta.
Ei ole mikään yllätys, että Google on yksi edelläkävijöistä tässä tekniikassa. Google on jo tehnyt useita ML- ja AI-kehyksiä, jotka voimme helposti ottaa käyttöön sovelluksissamme. TensorFlow on yksi hyvin tunnetuista Googlen avoimen lähdekoodin Neural Network -kirjastosta, jota käytetään koneoppimissovelluksissa, kuten kuvaluokitus, esineiden havaitseminen jne.
Tulevina vuosina, tulemme näkemään enemmän käyttöä AI jokapäiväisessä elämässä ja AI pystyy hoitamaan päivittäisiä tehtäviä, kuten tilaus- ruokakauppa verkossa, autolla ajo, ohjata kodinkoneet jne Joten miksi me jäänyt hyödyntämättä joitakin koneen algoritmeja kannettavissa laitteissa, kuten Raspberry Pi.
Tässä opetusohjelmassa opitaan, miten TensorFlow asennetaan Raspberry Pi: lle ja näytetään esimerkkejä yksinkertaisesta kuvaluokituksesta valmiiksi koulutetulle hermoverkolle. Aiemmin käytimme Raspberry Pi: tä muihin kuvankäsittelytehtäviin, kuten optiseen merkkien tunnistamiseen, kasvojentunnistukseen, rekisterikilven havaitsemiseen jne.
Vaatimukset
- Raspberry Pi, johon on asennettu Raspbian-käyttöjärjestelmä (SD-kortti vähintään 16 Gt)
- Toimiva Internet-yhteys
Täällä käytämme SSH: tä päästäksesi Raspberry Pi: lle kannettavalla tietokoneella. Voit käyttää VNC- tai etätyöpöytäyhteyttä kannettavalla tietokoneella tai liittää Raspberry pi -laitteen näyttöön. Lue lisää Raspberry Pi: n asettamisesta ilman päätä täältä ilman näyttöä.
Raspberry pi -laitetta, joka on kannettava ja vähemmän virrankulutuslaite, käytetään monissa reaaliaikaisissa kuvankäsittelysovelluksissa, kuten kasvojentunnistus, kohteiden seuranta, kodin turvajärjestelmä, valvontakamera jne. Kaikissa käyttämällä mitä tahansa Computer Vision -ohjelmistoa, kuten OpenCV, Raspberry Pi: n kanssa, paljon tehokkaita kuvankäsittelysovelluksia voidaan rakentaa.
Aiemmin TensorFlow-ohjelmiston asentaminen oli melko vaikeaa työtä, mutta ML: n ja tekoälyn kehittäjien viimeaikainen panos teki siitä erittäin yksinkertaisen, ja nyt se voidaan asentaa vain muutamalla komennolla. Jos tiedät joitain koneoppimisen ja syvällisen oppimisen perusteita, on sinulle hyödyllistä tietää, mitä hermoverkossa tapahtuu. Mutta vaikka olet uusi koneoppimisen verkkotunnus, ei ole mitään ongelmaa, voit silti jatkaa opetusohjelmaa ja käyttää joitain esimerkkiohjelmia sen oppimiseksi.
TensorFlow: n asentaminen Raspberry Pi: hen
Alla on vaiheet TensorFlow-ohjelmiston asentamiseksi Vadelma pi:
Vaihe 1: Ennen kuin asennat TensorFlow-ohjelman Raspberry Pi -palveluun, päivitä ja päivitä ensin Raspbian-käyttöjärjestelmä seuraavilla komennoilla
sudo apt-get päivitys sudo apt-get päivitys
Vaihe 2: Asenna sitten Atlas- kirjasto saadaksesi tukea Numpylle ja muille riippuvuuksille.
sudo apt asenna libatlas-base-dev
Vaihe 3: Kun se on valmis, asenna TensorFlow pip3: n kautta alla olevalla komennolla
pip3 asenna tensorflow
TensorFlow-ohjelman asentaminen vie jonkin verran, jos asennuksen aikana ilmenee virheitä, yritä vain uudestaan yllä olevalla komennolla.
Vaihe 4: Kun TensorFlow on asennettu onnistuneesti, tarkistamme, onko se asennettu oikein, käyttämällä pientä Hello world -ohjelmaa. Voit tehdä tämän Avaa nanotekstieditori alla olevan komennon avulla:
sudo nano tfcheck.py
Kopioi-liitä rivien alapuolelle nanoterminaaliin ja tallenna se näppäimillä ctrl + x ja paina Enter.
tuo tensorflow muodossa tf hei = tf.constant ('Hei, TensorFlow!') sess = tf.Session () tulosta (sess.run (hei))
Vaihe 5: Suorita nyt tämä komentosarja terminaalissa alla olevan komennon avulla
python3 tfcheck.py
Jos kaikki paketit on asennettu oikein, näet Hello Tensorflow! viimeisellä rivillä alla olevan kuvan mukaisesti, ohita kaikki varoitukset.
Se toimii hyvin, ja nyt teemme jotain mielenkiintoista käyttämällä TensorFlow -ohjelmaa, eikä sinun tarvitse olla mitään tietoa koneoppimisesta ja syvällisestä oppimisesta tämän projektin tekemiseen. Tässä kuva syötetään ennalta rakennetulla mallilla, ja TensorFlow tunnistaa kuvan. TensorFlow antaa lähimmän todennäköisyyden kuvassa olevalle.
Kuvaluokan asentaminen Raspberry Pi -laitteeseen kuvan tunnistamista varten
Vaihe 1: - Tee hakemisto ja siirry hakemistoon alla olevien komentojen avulla.
mkdir tf cd tf
Vaihe 2: - Lataa nyt TensorFlow GIT -tietovarastosta saatavilla olevat mallit. Kloonaa arkisto tf- hakemistoon alla olevan komennon avulla
git-klooni https://github.com/tensorflow/models.git
Asennus vie jonkin aikaa, ja se on kooltaan suuri, joten varmista, että sinulla on riittävä tietosuunnitelma.
Vaihe 3: - Käytämme kuvaluokitusesimerkkiä, joka löytyy malleista / opetusohjelmista / image / imagenet. Siirry tähän kansioon käyttämällä alla olevaa komentoa
CD-mallit / opetusohjelmat / kuva / imagenet
Vaihe 4: - Syötä nyt kuva valmiiseen hermoverkkoon alla olevan komennon avulla.
python3 classy_image.py --image_file = / home / pi / image_file_name
Korvaa image_file_name kuvalla, jonka sinun on syötettävä, ja paina sitten Enter.
Alla on joitain esimerkkejä kuvien havaitsemisesta ja tunnistamisesta TensorFlow-sovelluksella.
Ei paha! hermoverkko luokitteli kuvan egyptiläiseksi kissaksi suurella varmuudella muihin vaihtoehtoihin verrattuna.
Kaikissa yllä olevissa esimerkeissä tulokset ovat melko hyviä ja TensorFlow voi helposti luokitella kuvat tarkalla varmuudella. Voit kokeilla tätä käyttämällä mukautettuja kuvia.
Jos sinulla on jonkin verran tietoa koneoppimisesta, se voi suorittaa objektitunnistuksen tällä alustalla joidenkin kirjastojen avulla.
/>