Începeți cu recunoașterea imaginilor folosind TensorFlow și Zmeura Pi

TensorFlow este biblioteca rețelei Google Neural. Dat fiind faptul că învățarea automată este cel mai tare lucru în prezent, nu este deloc surprinzător faptul că Google se numără printre liderii acestei noi tehnologii.

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

Noțiuni de bază

Pentru a începe cu 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 ghidul nostru de instalare). Începeți Pi și deschideți o fereastră terminal. Asigurați-vă că versiunea dvs. Pi este actualizată și verificați versiunea Python.

sudo apt-get actualizare python --version python3 --versiune

Puteți folosi atât Python 2.7, cât și Python 3.4+ pentru acest tutorial. Acest exemplu este pentru Python 3. Pentru Python 2.7, înlocuiți-l Python3 cu Piton, și PIP3 cu țâfnă în acest tutorial.

Pip este un manager de pachete pentru Python, de obicei instalat ca standard pentru distribuțiile Linux. Dacă descoperiți că nu aveți, urmați instrucțiunile de instalare pentru Linux Cum să instalați PIP pentru Python pe Windows, Mac și Linux Cum să instalați PIP pentru Python pe Windows, Mac și Linux Mulți dezvoltatori Python se bazează pe un instrument numit PIP pentru Python pentru a face totul mult mai ușor și mai rapid. Iată cum se instalează PIP. Citiți mai multe în acest articol pentru al 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 cunoștințe anterioare, ar putea fi util să înțelegeți elementele de bază ale procesului de învățare a mașinilor înainte de al încerca.

Înainte de a instala TensorFlow, instalați 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 utilizați un mediu virtual Aflați cum să utilizați mediul virtual Python Aflați cum să utilizați mediul virtual Python Fie că sunteți un dezvoltator experimentat Python, fie că începeți să învățați cum să configurați un mediu virtual este esențial pentru orice Proiectul Python. Citiți mai multe, modificați codul dvs. aici pentru a reflecta acest lucru.

Testarea TensorFlow

Odată ce a fost instalat, puteți testa dacă funcționează cu echivalentul TensorFlow a Salut Lume!

Din linia de comandă creați un nou script Python utilizând nano sau sevă (Dacă nu sunteți sigur pe care să o utilizați, amândoi au avantaje nano vs. vim: Terminali Text Editors Comparativ nano vs vim: Terminali Text Editors Comparat Deși Linux a devenit destul de ușor pentru practic oricine să folosească fără a fi nevoit să folosească vreodată Terminalul, există unii dintre noi care îl folosesc în mod regulat sau sunt curioși cum se poate controla ... Citește mai mult) și numește-i ceva ușor de reținut.

sudo nano tftest.py 

Introduceți codul furnizat de Google pentru testarea TensorFlow:

import tensorflow ca tf hello = tf.constant ('Buna ziua, TensorFlow!') sess = tf.Session () print (sess.run (hello)) 

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

Rulați codul din terminal:

python3 tftest.py 

Ar trebui sa vezi “Bună, TensorFlow” imprimate. Dacă executați Python 3.5, veți primi câteva avertismente de execuție. Tutorialele oficiale TensorFlow recunosc că se întâmplă acest lucru și să o ignorăm.

Functioneaza! Acum, pentru a face ceva interesant cu TensorFlow.

Instalarea clasificatorului de imagini

În terminal, creați un director pentru proiect în directorul dvs. de acasă și navigați în el.

mkdir tf1 cd tf1 

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

git clone https://github.com/tensorflow/models.git 

Doriți să utilizați exemplul de clasificare a imaginilor, care poate fi găsit la modele / tutoriale / imagine / imagenet. Navigați la acel dosar acum:

modele cd / tutoriale / imagine / imagenet 

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

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

python3 classify_image.py 

Aceasta alimentează o imagine a unei panda rețelei neuronale, care returnează presupuneri cu privire la ceea ce este imaginea cu o valoare pentru nivelul său de certitudine.

După cum arată imaginea de ieșire, rețeaua neuronală a ghicit corect, cu o certitudine de aproape 90%. De asemenea, credea că imaginea ar putea conține un măr de cremă, dar nu a fost foarte încrezător în răspunsul respectiv.

Utilizarea unei imagini personalizate

Imaginea panda demonstrează că TensorFlow funcționează, dar asta nu este surprinzător, având în vedere exemplul oferit de proiect. Pentru un test mai bun, puteți să vă dați propria imagine rețelei neuronale pentru clasificare. În acest caz, veți vedea dacă rețeaua neuronală TensorFlow poate identifica George.

Întâlnește pe George. George este un dinozaur. Pentru a alimenta această imagine (disponibilă în formatul tăiat aici) în rețeaua neurală, adăugați argumente atunci când rulați scriptul.

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

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

Nu-i rău! În timp ce George nu este un triceratops, rețeaua neurală a clasificat imaginea ca un dinozaur cu un grad ridicat de certitudine în comparație cu alte opțiuni.

TensorFlow și Zmeura Pi, gata de a merge

Această implementare de bază a TensorFlow are deja potențial. Această recunoaștere a obiectelor se întâmplă pe Pi și nu are nevoie de conexiune la internet pentru a funcționa. Aceasta înseamnă că, odată cu adăugarea unui modul de cameră Raspberry Pi și a unei unități de baterii potrivite pentru Raspberry Pi, întregul proiect poate fi portabil.

Cele mai multe tutoriale scarpină numai suprafața unui subiect, dar nu a fost niciodată mai adevărat decât în ​​acest caz. Învățarea în mașină este un subiect incredibil de dens. O modalitate de a vă lua cunoștințele în continuare ar fi prin a lua un curs dedicat Aceste cursuri de învățare mașină va pregăti o cale de carieră pentru tine Aceste cursuri de învățare în mașină va pregăti o cale de carieră pentru tine Aceste excelente cursuri online de învățare mașină vă va ajuta să înțelegeți abilitățile necesare începeți o carieră în învățarea mașinilor și în inteligența artificială. Citeste mai mult . Între timp, du-te pe mâini cu învățare de mașină și Raspberry Pi cu aceste proiecte TensorFlow pe care le puteți încerca.

Explorați mai multe despre: Google TensorFlow, Recunoașterea imaginii, Zmeura Pi.