Începeți cu recunoașterea imaginii folosind TensorFlow și Raspberry Pi

Publicitate

TensorFlow este biblioteca rețelei neuronale Google. Având în vedere că învățarea automată este cea mai tare chestie din prezent, nu este de mirare că Google este printre liderii acestei tehnologii noi.

În acest articol, veți învăța cum să instalați TensorFlow pe Raspberry Pi și să executați o clasificare simplă a imaginilor pe o rețea neuronală pre-instruită.

Noțiuni de bază

Pentru a începe recunoașterea imaginii, veți avea nevoie de un Raspberry Pi (orice model va funcționa) și un card SD cu sistemul de operare Raspbian Stretch (9.0+) (dacă sunteți nou la Raspberry Pi, folosiți-ne ghid de instalare).

Porniți Pi și deschideți o fereastră de terminal. Asigurați-vă că Pi este actualizat și verificați versiunea Python.

Actualizare sudo apt-get. python --versiune. python3 --versiune

Puteți utiliza atât Python 2.7 sau Python 3.4+ pentru acest tutorial. Acest exemplu este pentru Python 3. Pentru Python 2.7, înlocuiți Python3 cu Piton, și PIP3 cu țâfnă de-a lungul acestui tutorial.

Pip este un manager de pachete pentru Python, de obicei instalat ca standard pe distribuțiile Linux.

Dacă descoperiți că nu îl aveți, urmați instalați pentru instrucțiuni Linux Cum se instalează Python PIP pe Windows, Mac și LinuxMulți dezvoltatori Python se bazează pe un instrument numit PIP pentru Python pentru a eficientiza dezvoltarea. Iată cum se instalează Python PIP. Citeste mai mult în acest articol pentru a-l instala.

Instalarea TensorFlow

Instalarea TensorFlow a fost un proces destul de frustrant, dar o actualizare recentă o face incredibil de simplă. În timp ce puteți urma acest tutorial fără nicio cunoștință prealabilă, ar putea merita înțeles noțiuni de bază ale învățării mașinilor înainte de a-l încerca.

Înainte de a instala TensorFlow, instalați dispozitivul Atlas bibliotecă.

sudo apt instala libatlas-base-dev

Odată terminat, instalați TensorFlow prin pip3

pip3 install --user tensorflow

Aceasta va instala TensorFlow pentru utilizatorul conectat. Dacă preferați să folosiți un mediu virtual Aflați cum să utilizați mediul virtual PythonIndiferent dacă sunteți un dezvoltator Python cu experiență sau abia începeți, învățarea cum să configurați un mediu virtual este esențială pentru orice proiect Python. Citeste mai mult , modificați codul aici pentru a reflecta acest lucru.

Testarea TensorFlow

După instalare, puteți testa dacă funcționează cu echivalentul TensorFlow al unui Salut Lume!

Din linia de comandă creați un nou script Python folosind nano sau sevă (Dacă nu sunteți sigur pe care să îl utilizați, amândoi au avantaje) și numește-i ceva ușor de reținut.

sudo nano tftest.py. 

Introduceți acest cod, furnizat de Google pentru testarea TensorFlow:

import tensorflow ca tf. hello = tf.constant ('Bună ziua, TensorFlow!') sess = tf. Sesiune() print (ses.run (salut))

Dacă utilizați nano, ieșiți apăsând Ctrl + X și salvați fișierul tastând Y când vi se solicită.

Rulați codul de la terminal:

python3 tftest.py. 

Ar trebui să vedeți tipărit „Hello, TensorFlow”.

Dacă executați Python 3.5, veți primi mai multe avertismente de rulare. Tutorialele oficiale TensorFlow recunosc că acest lucru se întâmplă și vă recomandă să-l ignorați.

Functioneaza! Acum să faci ceva interesant cu TensorFlow.

Instalarea clasificatorului de imagini

În terminal, creați un director pentru proiectul din directorul de acasă și navigați în el.

mkdir tf1. cd tf1. 

TensorFlow are un depozit git cu exemple de modele de încercat. Clonați depozitul în noul director:

clonă de git https://github.com/tensorflow/models.git. 

Vrei să folosești exemplul de clasificare a imaginii, care poate fi găsit la modele / tutoriale / imagine / imagenet. Accesați acum folderul respectiv:

modele cd / tutoriale / imagine / imagenet. 

Scriptul standard de clasificare a imaginilor rulează cu o imagine furnizată a unui panda:

Pentru a rula clasificatorul de imagini standard cu imaginea panda furnizată, introduceți:

python3 classify_image.py. 

Aceasta alimentează o imagine a unui panda în rețeaua neuronală, care returnează ghiciri despre ce este imaginea cu o valoare pentru nivelul său de certitudine.

După cum arată imaginea de ieșire, plasa neurală a ghicit corect, cu o certitudine de aproape 90%. De asemenea, s-a gândit că imaginea poate conține un măr creț, dar nu a fost foarte sigură cu răspunsul respectiv.

Utilizarea unei imagini personalizate

Imaginea panda dovedește că TensorFlow funcționează, dar probabil că nu este surprinzător, dat fiind exemplul pe care îl oferă proiectul. Pentru un test mai bun, puteți să vă dați o imagine proprie plasei neuronale pentru clasificare.

În acest caz, veți vedea dacă plasa neurală TensorFlow îl poate identifica pe George.

Întâlnește-l pe George. George este un dinozaur. Pentru a alimenta această imagine (disponibilă în formă decupată aici) în plasa neurală, adăugați argumente atunci când rulați scriptul.

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

image_file = urmând numele scriptului permite adăugarea oricărei imagini pe cale. Să vedem cum a făcut această plasă neurală.

Nu-i rău! Deși George nu este un triceratops, plasa neurală a clasificat imaginea ca un dinozaur cu un grad ridicat de certitudine în comparație cu celelalte opțiuni.

TensorFlow și Raspberry Pi, gata de plecare

Această implementare de bază a TensorFlow are deja potențial. Această recunoaștere a obiectelor are loc pe Pi și nu are nevoie de conexiune la internet pentru a funcționa. Aceasta înseamnă că odată cu adăugarea a Modul de camera Raspberry Pi și a Unitate de baterii adaptată la zmeură Pi, întregul proiect ar putea fi portabil.

Majoritatea tutorialelor zgârie doar suprafața unui subiect, dar nu a fost niciodată mai adevărat decât în ​​acest caz. Învățarea automată este un subiect incredibil de dens.

O modalitate de a-ți duce cunoștințele mai departe va fi prin luând un curs dedicat Aceste cursuri de învățare automată vor pregăti o cale de carieră pentru dvs.Aceste cursuri excelente de învățare automată online vă vor ajuta să înțelegeți abilitățile necesare pentru a începe o carieră în învățarea mașinilor și a inteligenței artificiale. Citeste mai mult . Între timp, puneți mâna pe învățarea automată și pe zmeura Pi cu aceste proiecte TensorFlow pe care le puteți încerca.