Započnite s prepoznavanjem slika pomoću TensorFlow-a i Raspberry Pi

TensorFlow je Googleova neuronska mreža. S obzirom da je strojno učenje trenutno najzgodnija stvar, ne čudi što je Google među liderima u ovoj novoj tehnologiji.

U ovom ćete članku naučiti kako instalirati TensorFlow na Raspberry Pi i pokrenuti jednostavnu klasifikaciju slika na unaprijed obučenoj neurološkoj mreži.

Početak rada

Za početak prepoznavanja slike trebat će vam Raspberry Pi (bilo koji model će raditi) i SD kartica s operativnim sustavom Raspbian Stretch (9.0+) (ako ste novi u Raspberry Pi, koristite naš vodič za instalaciju).

Dizanje sustava Pi i otvaranje prozora terminala. Provjerite je li vaš Pi ažuriran i provjerite svoju Python verziju.

sudo apt-get update python --version python3 --verzija

Za ovaj vodič možete koristiti i Python 2.7 ili Python 3.4+. Ovaj je primjer za Python 3. Zamijenite Python 2.7 Python3 s Piton, i PIP3 s zvjezdica kroz ovaj tutorial.

Pip je upravitelj paketa za Python, obično se standardno instalira na Linux distribuciji.

Ako utvrdite da ga nemate, slijedite upute za instaliranje za Linux Kako instalirati Python PIP na Windows, Mac i Linux Kako instalirati Python PIP na Windows, Mac i Linux Mnogi programeri Pythona oslanjaju se na alat pod nazivom PIP za Python kako bi sve bilo lakše i brže. Evo kako instalirati Python PIP. u ovom članku da ga instalirate.

Instaliranje TensorFlowa

Instalacija TensorFlow nekada je bila prilično frustrirajući proces, ali nedavna nadogradnja čini je nevjerojatno jednostavnom. Iako možete slijediti ovaj vodič bez ikakvog prethodnog znanja, možda bi bilo vrijedno razumjeti osnove strojnog učenja prije nego što ga isprobate.

Prije instalacije TensorFlow, instalirajte Atlas knjižnica.

sudo apt instalirati libatlas-base-dev

Kad to završite, instalirajte TensorFlow putem pip3

pip3 install --user tensorflow

Ovo će instalirati TensorFlow za prijavljenog korisnika. Ako više želite koristiti virtualno okruženje Saznajte kako koristiti virtualno okruženje Python Saznajte kako koristiti virtualno okruženje Python-a Bez obzira jeste li iskusni programer Python-a ili tek započinjete, učenje kako postaviti virtualno okruženje bitno je za sve Python projekt. , ovdje izmijenite svoj kôd da biste to odrazili.

Ispitivanje TensorFlowa

Nakon što je instaliran, možete testirati radi li s TensorFlow ekvivalentom a Pozdrav svijete!

Iz naredbenog retka stvorite novu Python skriptu koristeći nano ili energija (Ako niste sigurni koju ćete upotrijebiti, obojica imaju prednosti) i nazovite je nečim što je lako zapamtiti.

sudo nano tftest.py 

Unesite ovaj kôd koji vam je pružio Google za testiranje TensorFlowa:

import tensorflow kao tf hello = tf.constant ('Zdravo, TensorFlow!') sess = tf.Session () ispis (sess.run (hello)) 

Ako koristite nano, izlazite pritiskom na Ctrl + X i spremite datoteku upisivanjem Y kad se to zatraži.

Pokrenite kod s terminala:

python3 tftest.py 

Trebala bi vidjeti “Pozdrav, TensorFlow” tiskan.

Ako koristite Python 3.5, dobit ćete nekoliko upozorenja tokom izvršavanja. Službeni vodiči TensorFlowa potvrđuju da se to događa, i preporučuju vam da to ignorirate.

Radi! Sada napraviti nešto zanimljivo s TensorFlowom.

Instaliranje klasifikatora slike

U terminalu stvorite direktorij za projekt u vašem kućnom direktoriju i pomičite se u njemu.

mkdir tf1 cd tf1 

TensorFlow ima git spremište s primjernim modelima koje treba isprobati. Klonirajte spremište u novoj mapi:

git klon https://github.com/tensorflow/models.git 

Želite koristiti primjer klasifikacije slike, koji se može naći na modeli / tutoriali / slika / imagenet. Dođite sada do te mape:

CD modeli / tutorijali / image / imagenet 

Standardna skripta za razvrstavanje slike radi s priloženom slikom pande:

Za pokretanje standardnog klasifikatora slike s priloženom slikom pande unesite:

python3 classify_image.py 

Na taj način se slika pande šalje u neuronsku mrežu, koja vraća nagađanja o tome koja je slika vrijednost s obzirom na njezinu razinu sigurnosti..

Kao što pokazuje izlazna slika, neuralna mreža pogađa ispravno, s gotovo 90 postotnom sigurnošću. Također je mislila da slika može sadržavati jabučicu od vrhnja, ali nije bila baš sigurna u taj odgovor.

Upotreba prilagođene slike

Slika pande dokazuje da TensorFlow djeluje, ali to možda nije iznenađujuće obzirom da je to primjer koji projekt pruža. Za bolji test, možete dati vlastitu sliku neuralnoj mreži radi klasifikacije.

U ovom ćete slučaju vidjeti može li neuronska mreža TensorFlow prepoznati Georgea.

Upoznajte Georgea. George je dinosaur. Da biste ubacili ovu sliku (dostupnu u ošišanom obliku ovdje) u neuronsku mrežu, dodajte argumente prilikom pokretanja skripte.

python3 classify_image.py --image_file = / home / pi / george.jpg 

image_file = sljedeće ime skripte omogućava dodavanje bilo koje slike putem. Pogledajmo kako je to napravila neuronska mreža.

Nije loše! Dok George nije triceratops, neuralna mreža je klasificirala sliku kao dinosaura sa visokim stupnjem sigurnosti u usporedbi s ostalim opcijama.

TensorFlow i Raspberry Pi, spremni za početak

Ova osnovna primjena TensorFlowa već ima potencijala. Prepoznavanje objekta događa se na Pi i za funkcioniranje mu nije potrebna internetska veza. To znači da bi uz dodavanje modula kamere Raspberry Pi i baterije baterije prikladne za Raspberry Pi, cijeli projekt mogao postati prijenosni.

Većina tutorijala samo ogrebotine po površini predmeta, ali nikad nije bila istinitija nego u ovom slučaju. Strojno učenje je nevjerojatno gust predmet.

Jedan od načina da proširite svoje znanje je uzimanje namjenskog tečaja. Ovi tečajevi strojnog učenja za vas će pripremiti put karijere Ovi tečajevi strojnog učenja za vas će pripremiti put karijere Ovi izvrsni tečajevi strojnog učenja na mreži pomoći će vam da shvatite potrebne vještine započeti karijeru u strojnom učenju i umjetnoj inteligenciji. , U međuvremenu, bavite se strojnim učenjem i Raspberry Pi s ovim TensorFlow projektima koje možete isprobati sami.