Инсталиране на софтуер за машинно обучение tensorflow на Raspberry Pi

Машинното обучение и изкуственият интелект са актуалните теми в индустриите в наши дни и можем да видим нарастващото им участие в пускането на всяко ново електронно устройство. Почти всяко приложение на компютърните науки използва машинно обучение за анализ и прогнозиране на бъдещите резултати. Вече има много устройства, пуснати на пазара, които използват силата на машинното обучение и изкуствения интелект, като камерата на смартфона използва функции с активиран интелект за разпознаване на лица и определяне на видимата възраст от разпознаването на лицето.

Няма изненада, че Google е един от пионерите в тази технология. Google вече е направил много рамки за ML и AI, които можем лесно да внедрим в нашите приложения. TensorFlow е една от добре известната библиотека на Google с отворен код Neural Network, която се използва в приложения за машинно обучение като класификация на изображения, откриване на обекти и др.

През следващите години ще видим по-голямо използване на AI в нашето ежедневие и AI ще може да се справи с ежедневните ви задачи като поръчка на хранителни стоки онлайн, шофиране на кола, управление на вашите домакински уреди и т.н. И така, защо оставихме да използваме някаква машина алгоритми на преносими устройства като Raspberry Pi.

В този урок ще научим как да инсталираме TensorFlow на Raspberry Pi и ще покажем няколко примера с проста класификация на изображения в предварително обучена невронна мрежа. Преди това използвахме Raspberry Pi за други задачи за обработка на изображения като оптично разпознаване на символи, разпознаване на лица, откриване на номерната плоча и др.

Изисквания

1. Raspberry Pi с инсталирана в него Raspbian OS (SD карта поне 16 GB)
2. Работеща интернет връзка

Тук ще използваме SSH за достъп до Raspberry Pi на лаптопа. Можете да използвате VNC или връзка с отдалечен работен плот на лаптопа или да свържете вашия Raspberry pi с монитор. Научете повече за настройването на Raspberry Pi без глава тук без монитор.

Raspberry pi, като преносимо и по-малко енергоемко устройство, се използва в много приложения за обработка на изображения в реално време, като разпознаване на лица, проследяване на обекти, система за домашна сигурност, камера за наблюдение и т.н. Всяка с помощта на софтуер Computer Vision като OpenCV с Raspberry Pi, могат да бъдат изградени много мощни приложения за обработка на изображения.

В миналото инсталирането на TensorFlow беше доста трудна работа, но скорошният принос на разработчиците на ML и AI го направи много прост и сега може да се инсталира само с помощта на няколко команди. Ако знаете някои основи на машинното обучение и дълбокото обучение, ще бъде полезно да знаете какво се случва в невронната мрежа. Но дори и ако сте нов в домейна за машинно обучение, няма да има проблем, все пак можете да продължите с урока и да използвате някои примерни програми, за да го научите.

Инсталиране на TensorFlow в Raspberry Pi

По-долу са описани стъпките за инсталиране на TensorFlow в Raspberry pi:

Стъпка 1: Преди да инсталирате TensorFlow в Raspberry Pi, първо актуализирайте и надстройте Raspbian OS, като използвате следните команди

sudo apt-get актуализация sudo apt-get надстройка

Стъпка 2: След това инсталирайте библиотеката Atlas, за да получите поддръжка за Numpy и други зависимости.

sudo apt инсталирайте libatlas-base-dev

Стъпка 3: След като приключите, инсталирайте TensorFlow чрез pip3, като използвате командата по-долу

pip3 инсталиране на tensorflow

Ще са необходими някои, за да инсталирате TensorFlow, ако се сблъскате с някаква грешка при инсталирането, просто опитайте отново с помощта на горната команда.

Стъпка 4: След успешна инсталация на TensorFlow, ние ще проверим дали е инсталиран правилно с помощта на малка програма Hello world . За да направите това Отворете нано текстов редактор, като използвате командата по-долу:

sudo nano tfcheck.py

И копирайте-поставете долните редове в нано терминала и го запазете с помощта на ctrl + x и натиснете enter.

импортирайте tensorflow като tf hello = tf.constant ('Hello, TensorFlow!') sess = tf.Session () print (sess.run (hello))

Стъпка 5: Сега стартирайте този скрипт в терминала, като използвате командата по-долу

python3 tfcheck.py

Ако всички пакети са инсталирани правилно, ще видите Hello Tensorflow! съобщение в последния ред, както е показано по-долу, игнорирайте всички предупреждения.

Работи добре и сега ще направим нещо интересно, като използваме TensorFlow и не е нужно да имате никакви познания по машинно обучение и дълбоко обучение, за да направите този проект. Тук изображение се подава в предварително изграден модел и TensorFlow ще идентифицира изображението. TensorFlow ще даде най-близката вероятност за това, което е на изображението.

Инсталиране на Image Classifier на Raspberry Pi за разпознаване на изображения

Стъпка 1: - Направете директория и отидете до нея, като използвате командите по-долу.

mkdir tf cd tf

Стъпка 2: - Сега изтеглете моделите, които се предлагат в хранилището на TensorFlow GIT. Клонирайте хранилището в директорията tf, като използвате командата по-долу

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

Инсталирането ще отнеме известно време и е с големи размери, така че се уверете, че имате достатъчно план за данни.

Стъпка 3: - Ще използваме пример за класификация на изображения, който може да се намери в models / tutorials / image / imagenet. Придвижете се до тази папка, като използвате командата по-долу

cd модели / уроци / image / imagenet

Стъпка 4: - Сега подайте изображение в предварително изградената невронна мрежа, като използвате командата по-долу.

python3 Classify_image.py --image_file = / home / pi / image_file_name

Заменете image_file_name с изображението, което трябва да подадете, и след това натиснете Enter.

По-долу са дадени някои примери за откриване и разпознаване на изображения с помощта на TensorFlow.

Не е зле! невронната мрежа класифицира изображението като египетска котка с висока степен на сигурност в сравнение с другите опции.

Във всички горни примери резултатите са доста добри и TensorFlow може лесно да класифицира изображенията с близката сигурност. Можете да опитате това, като използвате вашите персонализирани изображения.

Ако имате известни познания по машинно обучение, то може да извърши откриване на обекти на тази платформа, използвайки някои библиотеки.

/>