Պատկերի ճանաչում TensorFlow- ով Raspberry Pi- ում ՝ 6 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:49

Google TensorFlow- ը թվային հաշվարկման բաց կոդով ծրագրային գրադարան է ՝ օգտագործելով տվյալների հոսքի գծապատկերներ: Այն օգտագործվում է Google- ի կողմից մեքենայական ուսուցման և խորը ուսուցման տեխնոլոգիաների իր տարբեր ոլորտներում: TensorFlow- ն ի սկզբանե մշակվել է Google Brain Team- ի կողմից և հրապարակվում է հանրային տիրույթում, ինչպիսին է GitHub- ը:

Լրացուցիչ ձեռնարկների համար այցելեք մեր բլոգը: Ձեռք բերեք Raspberry Pi- ն FactoryForward- ից - Հնդկաստանում հաստատված վերավաճառող:

Կարդացեք այս ձեռնարկը մեր բլոգում այստեղ:

Քայլ 1: Մեքենայական ուսուցում

Մեքենայական ուսուցումը և խորը ուսումը կանցնեն Արհեստական բանականության (AI) տակ: Մեքենայական ուսուցումը կդիտարկի և կվերլուծի առկա տվյալները և ժամանակի ընթացքում կբարելավի դրա արդյունքները:

Օրինակ ՝ YouTube- ի առաջարկվող տեսանյութերի գործառույթ: Այն ցույց է տալիս համապատասխան տեսանյութեր, որոնք նախկինում դիտել եք: Կանխատեսումը սահմանափակվում է միայն տեքստի վրա հիմնված արդյունքներով: Բայց խորը ուսումը կարող է սրանից ավելի խորը գնալ:

Քայլ 2: Խորը ուսուցում

Խորը ուսուցումը գրեթե նման է դրան, բայց այն ինքնուրույն ավելի ճշգրիտ որոշում է կայացնում ՝ հավաքելով օբյեկտի տարբեր տեղեկություններ: Այն ունի վերլուծության բազմաթիվ շերտեր և որոշում է ընդունում ըստ դրա: Գործընթացն ամրապնդելու համար այն օգտագործում է Նյարդային ցանցը և տալիս է մեզ ավելի ճշգրիտ արդյունք, որն անհրաժեշտ էր (նշանակում է ավելի լավ կանխատեսում, քան ՓԼ): Նման բան, թե ինչպես է մտածում և որոշում կայացնում մարդու ուղեղը:

Օրինակ ՝ օբյեկտի հայտնաբերում: Այն հայտնաբերում է այն, ինչ առկա է պատկերի մեջ: Նմանատիպ մի բան, որը դուք կարող եք տարբերակել Arduino- ից և Raspberry Pi- ից ՝ ըստ տեսքի, չափի և գույների:

Այն լայն թեմա է և ունի տարբեր կիրառություններ:

Քայլ 3: Նախապայմաններ

TensorFlow- ը հայտարարեց Raspberry Pi- ի պաշտոնական աջակցության մասին, 1.9 տարբերակից այն կաջակցի Raspberry Pi- ին ՝ օգտագործելով pip փաթեթի տեղադրում: Այս ձեռնարկում մենք կտեսնենք, թե ինչպես այն տեղադրել մեր Raspberry Pi- ի վրա:

• Python 3.4 (խորհուրդ է տրվում)
• Ազնվամորի Պի
• Էներգամատակարարում
• Raspbian 9 (Ձգվող)

Քայլ 4: Թարմացրեք ձեր Raspberry Pi- ն և դրա փաթեթները

Քայլ 1: Թարմացրեք ձեր Raspberry Pi- ն և դրա փաթեթները:

sudo apt-get թարմացում

sudo apt-get բարելավում

Քայլ 2: Ստուգեք, որ ունեք python- ի վերջին տարբերակը ՝ օգտագործելով այս հրամանը:

python3 –- շեղում

Խորհուրդ է տրվում ունենալ առնվազն Python 3.4:

Քայլ 3. Մենք պետք է տեղադրենք libatlas գրադարանը (ATLAS - Automaticly Tuned Linear Algebra Software): Քանի որ TensorFlow- ն օգտագործում է numpy: Այսպիսով, տեղադրեք այն ՝ օգտագործելով հետևյալ հրամանը

sudo apt տեղադրել libatlas-base-dev

Քայլ 4: Տեղադրեք TensorFlow- ը ՝ օգտագործելով Pip3 install հրահանգը:

pip3 տեղադրել tensorflow

Այժմ TensorFlow- ը տեղադրված է:

Քայլ 5. Պատկերի կանխատեսում `օգտագործելով Imagenet մոդելի օրինակը

TensorFlow- ը հրապարակել է պատկերների կանխատեսման մոդել: Նախ պետք է ներբեռնեք մոդելը, այնուհետև գործարկեք:

Քայլ 1: Գործարկեք հետևյալ հրամանը ՝ մոդելները ներբեռնելու համար: Հնարավոր է, որ ձեզ անհրաժեշտ լինի տեղադրել git:

git կլոն

Քայլ 2: Գնացեք պատկերապատման օրինակ:

cd մոդելներ/ձեռնարկներ/image/imagenet

Pro հուշում. Նոր Raspbian Stretch- ում կարող եք ձեռքով գտնել «classify_image.py» ֆայլը, այնուհետև ՝ «Աջ սեղմել»: Ընտրեք «Պատճենել ուղին (ներ)»: Այնուհետև «cd» - ից հետո տեղադրեք այն տերմինալում և սեղմեք enter: Այս կերպ Դուք կարող եք ավելի արագ նավարկել առանց որևէ սխալի (ուղղագրական սխալի դեպքում կամ ֆայլի անունը փոխվել է նոր թարմացումներում):

Ես օգտագործել եմ «Պատճենել ուղի (ներ)» մեթոդը, այնպես որ այն կներառի պատկերի ճշգրիտ ուղին (/home/pi):

Քայլ 3: Գործարկեք օրինակը ՝ օգտագործելով այս հրամանը: Կանխատեսված արդյունքը ցույց տալու համար կպահանջվի մոտ 30 վայրկյան:

python3 classify_image.py

Քայլ 6: Պատկերի անհատական կանխատեսում

Կարող եք նաև ինտերնետից ներբեռնել պատկեր կամ կանխատեսումների համար օգտագործել ձեր տեսախցիկի ձեր նկարած պատկերը: Ավելի լավ արդյունքի հասնելու համար օգտագործեք ավելի քիչ հիշողության պատկերներ:

Պատվերով պատկերներ օգտագործելու համար օգտագործեք հետևյալ եղանակը: Ես պատկերի ֆայլ ունեմ ‘/home/pi/Downloads/TensorImageTest1.jpg’ վայրում: Պարզապես փոխարինեք սա ձեր ֆայլի գտնվելու վայրով և անունով: Ավելի հեշտ նավարկության համար օգտագործեք «Պատճենել ուղին (ներ)» -ը:

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

Կարող եք փորձել նաև այլ օրինակներ: Բայց նախքան կատարումը անհրաժեշտ է տեղադրել անհրաժեշտ փաթեթներ: Մենք կներկայացնենք TensorFlow- ի մի քանի հետաքրքիր թեմաներ առաջիկա ձեռնարկներում: