Započnite s prepoznavanjem slika pomoću TensorFlow-a i Raspberry Pi

Oglas

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 --verzija. python3 --verzija

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

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

Ako utvrdite da ga nemate, slijedite upute

instaliraj za Linux upute Kako instalirati Python PIP na Windows, Mac i LinuxMnogi programeri Pythona oslanjaju se na alat pod nazivom PIP za Python za pojednostavljenje razvoja. Evo kako instalirati Python PIP. Čitaj više u ovom članku da ga instalirate.

Instaliranje TensorFlowa

Instalacija TensorFlow nekada je bila prilično frustrirajući postupak, ali nedavna nadogradnja čini je nevjerojatno jednostavnom. Iako možete slijediti ovaj vodič bez ikakvog prethodnog znanja, možda bi bilo vrijedno razumjeti i ovaj 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 volite koristiti a virtualno okruženje Naučite kako koristiti virtualno okruženje PythonaBez obzira jeste li iskusni Python programer ili tek započinjete, učenje kako postaviti virtualno okruženje bitno je za svaki Python projekt. Čitaj više , ovdje izmijenite svoj kôd da biste to odrazili.

Ispitivanje TensorFlowa

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

Iz naredbenog retka stvorite novu Python skriptu koristeći nano ili energija (Ako niste sigurni koji ćete koristiti, oboje imaju prednosti) i imenovati ga nečim lako pamtljivim.

sudo nano tftest.py. 

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

uvoz tensorflow kao tf. hello = tf.constant ('Zdravo, TensorFlow!') sess = tf. Sesije () ispis (sess.run (zdravo))

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

Pokrenite kod s terminala:

python3 tftest.py. 

Trebali biste vidjeti "Hello, TensorFlow".

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 projekta 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 slika, 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 se način stvara slika pande u neuronskoj mreži 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 slučaju vidjet ćete može li neuronska mreža TensorFlow prepoznati Georgea.

Upoznajte Georgea. George je dinosaur. Za hranjenje ove slike (dostupno u ošišanom obliku ovdje) u neuronsku mrežu, dodajte argumente prilikom pokretanja skripte.

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

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

Nije loše! Iako 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 ne treba internetska veza da bi funkcionirao. To znači da uz dodatak a Raspberry Pi modul kamere i a Raspberry Pi-odgovarajuća baterijska jedinica, cijeli bi projekt mogao postati prenosiv.

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 bio bi pohađajući namjenski tečaj Ovi tečajevi strojnog učenja za vas će pripremiti put karijereOvi izvrsni tečajevi mrežnog učenja pomoći će vam da shvatite vještine potrebne za započinjanje karijere u strojnom učenju i umjetnoj inteligenciji. Čitaj više . U međuvremenu, bavite se strojnim učenjem i Raspberry Pi s ovim TensorFlow projektima koje možete isprobati sami.