Prepoznavanje slike s TensorFlowom na Raspberry Pi: 6 koraka

2024 Autor: John Day | [email protected]. Zadnja promjena: 2024-01-30 09:36

Google TensorFlow je softverska knjižnica otvorenog koda za numeričko izračunavanje pomoću grafikona protoka podataka. Google ga koristi na svojim različitim područjima Strojno učenje i Tehnologije dubokog učenja. TensorFlow izvorno je razvio Google Brain Team i objavljuje se u javnoj domeni poput GitHub -a.

Za više tutorijala posjetite naš blog. Nabavite Raspberry Pi od FactoryForward - odobrenog prodavača u Indiji.

Ovdje pročitajte ovaj vodič na našem blogu.

Korak 1: Strojno učenje

Strojno učenje i duboko učenje bit će pod umjetnom inteligencijom (AI). Strojno učenje promatrat će i analizirati dostupne podatke i s vremenom poboljšavati njihove rezultate.

Primjer: značajka videozapisa koje preporučuje YouTube. Prikazuje povezane videozapise koje ste prethodno gledali. Predviđanje je ograničeno samo na tekstualne rezultate. No, duboko učenje može ići dublje od ovoga.

Korak 2: Duboko učenje

Dubinsko učenje gotovo je slično tome, ali donosi točnije odluke samostalno prikupljanjem različitih podataka o objektu. Ima mnogo slojeva analize i u skladu s tim donosi odluku. Kako bi ubrzao proces, koristi neuronsku mrežu i daje nam točniji rezultat koji nam je trebao (znači bolje predviđanje od ML -a). Nešto poput načina na koji ljudski mozak razmišlja i donosi odluke.

Primjer: Otkrivanje objekta. Otkriva ono što je dostupno na slici. Nešto slično po čemu možete razlikovati Arduino i Raspberry Pi po izgledu, veličini i bojama.

To je široka tema i ima različite primjene.

Korak 3: Preduvjeti

TensorFlow je najavio službenu podršku za Raspberry Pi, od verzije 1.9 podržavat će Raspberry Pi pomoću instalacije pip paketa. U ovom ćemo vodiču vidjeti kako ga instalirati na naš Raspberry Pi.

• Python 3.4 (preporučeno)
• Malina Pi
• Napajanje
• Raspbian 9 (rastezanje)

Korak 4: Ažurirajte svoj Raspberry Pi i njegove pakete

Korak 1: Ažurirajte svoj Raspberry Pi i njegove pakete.

sudo apt-get ažuriranje

sudo apt-get nadogradnja

Korak 2: Pomoću ove naredbe provjerite imate li najnoviju verziju pythona.

python3 –verzija

Preporuča se imati najmanje Python 3.4.

Korak 3: Moramo instalirati biblioteku libatlas (ATLAS - softver za automatsko podešavanje linearne algebre). Budući da TensorFlow koristi numpy. Dakle, instalirajte ga pomoću sljedeće naredbe

sudo apt install libatlas-base-dev

Korak 4: Instalirajte TensorFlow pomoću naredbe Pip3 install.

pip3 instalirajte tensorflow

Sada je instaliran TensorFlow.

Korak 5: Predviđanje slike pomoću primjera Imagenet modela:

TensorFlow je objavio model predviđanja slika. Najprije morate preuzeti model, a zatim ga pokrenuti.

Korak 1: Pokrenite sljedeću naredbu za preuzimanje modela. Možda ćete morati imati instaliran git.

git klon

Korak 2: Idite na primjer imagenet.

cd modeli/vodiči/image/imagenet

Savjet za profesionalce: Na novom Raspbian Stretchu možete ručno pronaći datoteku ‘klasify_image.py’, a zatim na njoj ‘Desni klik’. Odaberite "Kopiraj putanju (e)". Zatim ga zalijepite u terminal nakon 'cd' i pritisnite enter. Na taj način možete se kretati brže bez ikakvih pogrešaka (u slučaju pravopisne pogreške ili promjene naziva datoteke u novim ažuriranjima).

Koristio sam metodu "Kopiraj putanju (e)" tako da će uključivati točan put na slici (/home/pi).

Korak 3: Pokrenite primjer pomoću ove naredbe. Trebat će oko 30 sekundi da se prikaže predviđeni rezultat.

python3 classic_image.py

Korak 6: Predviđanje prilagođene slike

Također možete preuzeti sliku s interneta ili upotrijebiti vlastitu sliku snimljenu kamerom za predviđanja. Za bolje rezultate koristite manje memorijskih slika.

Za korištenje prilagođenih slika upotrijebite sljedeći način. Imam datoteku slike na lokaciji '/home/pi/Downloads/TensorImageTest1.jpg'. Zamijenite ovo mjestom i imenom datoteke. Za lakšu navigaciju upotrijebite "Kopiraj putanju (e)".

python3 classic_image.py --image_file =/home/pi/Preuzimanja/TensorImageTest1.jpg

Možete isprobati i druge primjere. No prije izvođenja morate instalirati potrebne pakete. U nadolazećim vodičima pokriti ćemo neke zanimljive teme TensorFlow -a.