Začíname s rozpoznávaním obrázkov pomocou TensorFlow a Raspberry Pi

Reklama

TensorFlow je knižnica neurónovej siete spoločnosti Google. Vzhľadom na to, že strojové vzdelávanie je v súčasnosti najhorúcejšou vecou v súčasnosti, nie je žiadnym prekvapením, že spoločnosť Google patrí medzi vedúcich predstaviteľov v tejto novej technológii.

V tomto článku sa naučíte, ako nainštalovať TensorFlow na Raspberry Pi, a spustiť jednoduchú klasifikáciu obrázkov na vopred trénovanej neurónovej sieti.

Začíname

Ak chcete začať s rozpoznávaním obrázkov, budete potrebovať Raspberry Pi (akýkoľvek model bude fungovať) a SD kartu s operačným systémom Raspbian Stretch (9.0+) (ak ste novým v Raspberry Pi, použite náš návod na inštaláciu).

Zaveste systém Pi a otvorte okno terminálu. Uistite sa, že váš Pi je aktuálny a skontrolujte svoju verziu Pythonu.

aktualizácia sudo apt-get. python - konverzia. python3 - konverzia

Pre tento tutoriál môžete použiť Python 2.7 alebo Python 3.4+. Tento príklad je pre Python 3. Pre Python 2.7 vymeňte Python3 s krajtaa PIP3 s jadro v tomto návode.

Pip je správca balíkov pre Python, ktorý sa zvyčajne inštaluje ako štandard v Linuxových distribúciách.

Ak zistíte, že ho nemáte, postupujte podľa pokynov inštalácia pre Linux pokyny Ako nainštalovať Python PIP na Windows, Mac a LinuxMnoho vývojárov Pythonu spolieha na zjednodušenie vývoja pomocou nástroja s názvom PIP pre Python. Tu je návod, ako nainštalovať Python PIP. Čítaj viac v tomto článku ho nainštalujte.

Inštalácia TensorFlow

Inštalácia TensorFlow bola niekedy frustrujúcim procesom, ale nedávna aktualizácia ju robí neuveriteľne jednoduchou. Aj keď môžete tento tutoriál sledovať bez akýchkoľvek predchádzajúcich vedomostí, stojí za pochopenie základy strojového učenia pred vyskúšaním.

Pred inštaláciou TensorFlow nainštalujte atlas knižnicu.

sudo apt install libatlas-base-dev

Po dokončení nainštalujte TensorFlow cez pip3

pip3 install --user tensorflow

Týmto sa nainštaluje TensorFlow pre prihláseného používateľa. Ak dávate prednosť použitiu a virtuálne prostredie Naučte sa, ako používať virtuálne prostredie PythonČi už ste skúseným vývojárom Pythonu, alebo len začínate, učenie, ako nastaviť virtuálne prostredie, je nevyhnutné pre akýkoľvek projekt Python. Čítaj viac , tu upravte svoj kód.

Testovanie TensorFlow

Po inštalácii môžete vyskúšať, či pracuje s ekvivalentom TensorFlow a Ahoj, svet!

Z príkazového riadku vytvorte nový skript Pythonu pomocou nano alebo elán (Ak si nie ste istí, ktorý z nich použiť, obaja majú výhody) a pomenujte niečo ľahké.

sudo nano tftest.py. 

Zadajte tento kód, ktorý vám poskytla spoločnosť Google na testovanie produktu TensorFlow:

import tensorflow ako tf. ahoj = tf.constant ('Ahoj, TensorFlow!') sess = tf. (Session) tlač (sess.run (ahoj))

Ak používate nano, ukončite stlačením Ctrl + X a uložte súbor zadaním Y keď sa zobrazí výzva.

Spustite kód z terminálu:

python3 tftest.py. 

Mali by ste vidieť vytlačené „Ahoj, TensorFlow“.

Ak používate Python 3.5, dostanete niekoľko runtime upozornení. Oficiálne tutoriály TensorFlow potvrdzujú, že sa tak stane a odporúčame vám ich ignorovať.

Funguje to! Teraz urobte niečo zaujímavé s TensorFlow.

Inštalácia klasifikátora obrázkov

V termináli vytvorte adresár projektu vo svojom domovskom adresári a prejdite do neho.

mkdir tf1. cd tf1. 

TensorFlow má úložisko git s príkladmi modelov, ktoré si môžete vyskúšať. Klonovanie úložiska do nového adresára:

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

Chcete použiť príklad klasifikácie obrázkov, ktorý nájdete na Modely / tutoriály / image / imagenet. Teraz prejdite do tohto priečinka:

modely CD / návody / image / imagenet. 

Štandardný skript na klasifikáciu obrázkov sa spustí s poskytnutým obrázkom panda:

Ak chcete spustiť štandardný klasifikátor obrázkov s poskytnutým obrázkom panda, zadajte:

python3 classify_image.py. 

Toto dodáva obraz pande do neurónovej siete, ktorá vracia odhady, čo je to obrázok s hodnotou pre svoju úroveň istoty.

Ako ukazuje výstupný obrázok, neurónová sieť uhádla správne, s takmer 90-percentnou istotou. Tiež si myslel, že obrázok môže obsahovať pudingové jablko, ale nebol si celkom istý touto odpoveďou.

Použitie vlastného obrázka

Obrázok panda dokazuje, že TensorFlow funguje, ale to je možno prekvapujúce, pretože je to príklad, ktorý projekt poskytuje. Pre lepší test môžete neurónovej sieti dať svoj vlastný obrázok na klasifikáciu.

V tomto prípade uvidíte, či neurónová sieť TensorFlow dokáže identifikovať Georga.

Zoznámte sa s Georgom. George je dinosaurus. Ak chcete tento obrázok nakúpiť (k dispozícii v orezanej podobe) tu) do neurónovej siete, pridajte argumenty pri spustení skriptu.

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

image_file = nasledujúci názov skriptu umožňuje pridanie ľubovoľného obrázka podľa cesty. Pozrime sa, ako to neurónová sieť urobila.

Nie zlé! Zatiaľ čo George nie je triceratops, neurónová sieť klasifikovala obraz ako dinosaura s vysokou mierou istoty v porovnaní s inými možnosťami.

TensorFlow a Raspberry Pi, pripravené na použitie

Táto základná implementácia TensorFlow už má potenciál. Toto rozpoznávanie objektov sa odohráva na zariadení Pi a na jeho fungovanie nepotrebuje pripojenie na internet. To znamená, že s pridaním a Kamerový modul Raspberry Pi a a Batériová jednotka vhodná pre Raspberry Pi, celý projekt by mohol byť prenosný.

Väčšina tutoriálov iba poškriaba povrch predmetu, nikdy to však nebolo pravdivejšie ako v tomto prípade. Strojové učenie je neuveriteľne hustý predmet.

Jedným zo spôsobov, ako ďalej rozvíjať svoje vedomosti, by bolo absolvovaním špecializovaného kurzu Tieto kurzy strojového vzdelávania pre vás pripravia kariéruTieto vynikajúce online kurzy strojového učenia vám pomôžu pochopiť zručnosti potrebné na začatie kariéry v strojovom učení a umelej inteligencii. Čítaj viac . Medzitým si nechajte vyskúšať strojové učenie a Raspberry Pi s týmito projektmi TensorFlow, ktoré môžete vyskúšať sami.