Képfelismerés a TensorFlow segítségével a Raspberry Pi -n: 6 lépés

2024 Szerző: John Day | [email protected]. Utoljára módosítva: 2024-01-30 09:42

A Google TensorFlow egy nyílt forráskódú szoftverkönyvtár a numerikus számításhoz adatfolyamdiagramok segítségével. A Google a gépi tanulás és a mélytanulási technológiák különböző területein használja. A TensorFlow -t eredetileg a Google Brain Team fejlesztette ki, és a GitHub -hoz hasonló nyilvánosságra kerül.

További oktatóanyagokért látogasson el blogunkra. Szerezze be a Raspberry Pi -t a FactoryForward - jóváhagyott viszonteladótól Indiában.

Olvassa el ezt az oktatóanyagot a blogunkon itt.

1. lépés: Gépi tanulás

A gépi tanulás és a mélytanulás a mesterséges intelligencia (AI) alá tartozik. A Machine Learning figyeli és elemzi a rendelkezésre álló adatokat, és idővel javítja az eredményeket.

Példa: A YouTube által ajánlott videók funkció. A korábban megtekintett kapcsolódó videókat jeleníti meg. Az előrejelzés csak szövegalapú eredményekre korlátozódik. De a mély tanulás ennél mélyebbre is mehet.

2. lépés: Mély tanulás

A mély tanulás majdnem hasonlít ehhez, de önmagában pontosabb döntést hoz, ha különböző információkat gyűjt egy tárgyról. Sok elemzési réteggel rendelkezik, és ennek megfelelően hoz döntést. A folyamat felgyorsításához a neurális hálózatot használja, és pontosabb eredményt ad nekünk, amire szükségünk volt (jobb előrejelzést jelent, mint az ML). Olyasmi, mint az emberi agy gondolkodása és döntései.

Példa: Objektum észlelése. Felismeri, hogy mi áll rendelkezésre a képen. Valami hasonló, amellyel megkülönböztetheti az Arduino és a Raspberry Pi megjelenését, méretét és színeit.

Ez egy széles téma, és számos alkalmazást tartalmaz.

3. lépés: Előfeltételek

A TensorFlow bejelentette a Raspberry Pi hivatalos támogatását, az 1.9 -es verziótól a Raspberry Pi -t támogatja a pip csomag telepítésével. Ebben az oktatóanyagban látni fogjuk, hogyan telepíthetjük a Raspberry Pi -re.

• Python 3.4 (ajánlott)
• Raspberry Pi
• Tápegység
• Raspbian 9 (Stretch)

4. lépés: Frissítse a Raspberry Pi -t és csomagjait

Lépés: Frissítse a Raspberry Pi -t és csomagjait.

sudo apt-get update

sudo apt-get upgrade

2. lépés: Ezzel a paranccsal ellenőrizze, hogy a legújabb python verzióval rendelkezik -e.

python3 –verzió

Ajánlott legalább a Python 3.4.

3. lépés: Telepítenünk kell a libatlas könyvtárat (ATLAS - Automatikusan hangolt lineáris algebra szoftver). Mivel a TensorFlow a numpy -t használja. Tehát telepítse a következő paranccsal

sudo apt install libatlas-base-dev

4. lépés: Telepítse a TensorFlow -t a Pip3 telepítési paranccsal.

pip3 telepítse a tensorflow -t

Most a TensorFlow telepítve van.

5. lépés: Kép előrejelzése az Imagenet modell használatával Példa:

A TensorFlow közzétett egy modellt a képek előrejelzésére. Először le kell töltenie a modellt, majd futtatnia kell.

1. lépés: Futtassa a következő parancsot a modellek letöltéséhez. Lehet, hogy telepítenie kell a git -et.

git klón

2. lépés: Keresse meg a imagenet példát.

cd modellek/oktatóanyagok/image/imagenet

Profi tipp: Az új Raspbian Stretch -en manuálisan megtalálhatja a „classify_image.py” fájlt, majd kattintson rá a „jobb gombbal”. Válassza az „Útvonal másolása” lehetőséget. Ezután illessze be a terminálba a „cd” után, és nyomja meg az enter billentyűt. Ily módon gyorsabban navigálhat hiba nélkül (helyesírási hiba vagy a fájlnév új frissítések esetén) esetén.

Az „Útvonal másolása” módszert használtam, így az tartalmazza a kép pontos elérési útját (/home/pi).

3. lépés: Futtassa a példát ezzel a paranccsal. Körülbelül 30 másodpercbe telik, amíg megjelenik az előre jelzett eredmény.

python3 classify_image.py

6. lépés: Egyéni képbecslés

Letölthet egy képet az internetről, vagy használhatja a fényképezőgépen készített saját képét előrejelzésekhez. A jobb eredmény érdekében használjon kevesebb memóriaképet.

Egyéni képek használatához használja a következő módszert. A képfájl a „/home/pi/Downloads/TensorImageTest1.jpg” helyen található. Csak cserélje ki ezt a fájl helyével és nevével. Használja a „Másolási útvonalat” a könnyebb navigáláshoz.

python3 classify_image.py --image_file =/home/pi/Letöltések/TensorImageTest1.jpg

Más példákat is kipróbálhat. De a végrehajtás előtt telepítenie kell a szükséges csomagokat. A következő oktatóanyagokban néhány érdekes TensorFlow témával foglalkozunk.