Разпознаване на изображения с TensorFlow на Raspberry Pi: 6 стъпки

2024 Автор: John Day | [email protected]. Последно модифициран: 2024-01-30 07:53

Google TensorFlow е софтуерна библиотека с отворен код за числени изчисления, използваща графики на потока от данни. Той се използва от Google в различните му области на машинно обучение и технологии за дълбоко обучение. TensorFlow първоначално е разработен от Google Brain Team и е публикуван в публичното пространство като GitHub.

За повече уроци посетете нашия блог. Вземете Raspberry Pi от FactoryForward - одобрен дистрибутор в Индия.

Прочетете този урок в нашия блог тук.

Стъпка 1: Машинно обучение

Машинното обучение и дълбокото обучение ще попаднат под изкуствения интелект (AI). Машинното обучение ще наблюдава и анализира наличните данни и подобрява резултатите им с течение на времето.

Пример: Функция за препоръчани видеоклипове от YouTube. Той показва свързани видеоклипове, които сте гледали преди. Прогнозата е ограничена само до текстови резултати. Но дълбокото обучение може да отиде по -дълбоко от това.

Стъпка 2: Дълбоко обучение

Дълбокото обучение е почти подобно на това, но взема по -точно решение самостоятелно, като събира различна информация за обект. Той има много слоеве на анализ и взема решение според него. За да затегне процеса, той използва невронна мрежа и ни предоставя по -точен резултат, от който се нуждаем (означава по -добра прогноза от ML). Нещо като начина, по който човешкият мозък мисли и взема решения.

Пример: Откриване на обект. Той открива какво има в изображението. Нещо подобно, което можете да различавате Arduino и Raspberry Pi по външния му вид, размер и цветове.

Това е широка тема и има различни приложения.

Стъпка 3: Предварителни изисквания

TensorFlow обяви официална поддръжка за Raspberry Pi, от версия 1.9 ще поддържа Raspberry Pi, използвайки инсталация на пип пакет. Ще видим как да го инсталираме на нашия Raspberry Pi в този урок.

• Python 3.4 (препоръчително)
• Малина Пи
• Захранване
• Raspbian 9 (стреч)

Стъпка 4: Актуализирайте своя Raspberry Pi и неговите пакети

Стъпка 1: Актуализирайте своя Raspberry Pi и неговите пакети.

sudo apt-get update

sudo apt-get надстройка

Стъпка 2: Проверете дали имате най -новата версия на python, като използвате тази команда.

python3 –версия

Препоръчително е да имате поне Python 3.4.

Стъпка 3: Трябва да инсталираме библиотека libatlas (ATLAS - Автоматично настроен софтуер за линейна алгебра). Тъй като TensorFlow използва numpy. Така че, инсталирайте го, като използвате следната команда

sudo apt install libatlas-base-dev

Стъпка 4: Инсталирайте TensorFlow с помощта на командата Pip3 install.

pip3 инсталирайте tensorflow

Сега TensorFlow е инсталиран.

Стъпка 5: Предсказване на изображение с помощта на Imagenet модел Пример:

TensorFlow публикува модел за прогнозиране на изображения. Първо трябва да изтеглите модела, след което да го стартирате.

Стъпка 1: Изпълнете следната команда, за да изтеглите моделите. Може да се наложи да имате инсталиран git.

git clone

Стъпка 2: Отидете до пример на imagenet.

cd модели/уроци/image/imagenet

Професионален съвет: В новия Raspbian Stretch можете ръчно да намерите файла „classic_image.py“и след това „Щракнете с десния бутон“върху него. Изберете „Копиране на път (и)“. След това го поставете в терминала след „cd“и натиснете enter. По този начин можете да се движите по -бързо без никакви грешки (в случай на правописна грешка или името на файла се промени в нови актуализации).

Използвах метода „Copy Path (s)“, така че той ще включва точния път към изображението (/home/pi).

Стъпка 3: Изпълнете примера, като използвате тази команда. Ще са необходими около 30 секунди, за да се покаже прогнозираният резултат.

python3 класифициране_image.py

Стъпка 6: Предсказване на персонализирано изображение

Можете също да изтеглите изображение от интернет или да използвате свое собствено изображение, заснето на камерата си за прогнози. За по -добри резултати използвайте по -малко изображения в паметта.

За да използвате персонализирани изображения, използвайте следния начин. Имам файла с изображението на мястото „/home/pi/Downloads/TensorImageTest1.jpg“. Просто заменете това с местоположението и името на вашия файл. Използвайте „Copy Path (s)“за по -лесна навигация.

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

Можете да изпробвате и други примери. Но трябва да инсталирате необходимите пакети преди изпълнение. Ще разгледаме някои интересни теми от TensorFlow в предстоящите уроци.