Začínáme s rozpoznáváním obrazu pomocí TensorFlow a Raspberry Pi

reklama

TensorFlow je knihovna Neural Network společnosti Google. Vzhledem k tomu, že strojové učení je v současné době nejžhavější věcí, není žádným překvapením, že Google patří mezi přední výrobce této nové technologie.

V tomto článku se naučíte, jak nainstalovat TensorFlow na Raspberry Pi, a spustit jednoduchou klasifikaci obrazu na předem vyškolené neuronové síti.

Začínáme

Chcete-li začít s rozpoznáváním obrázků, budete potřebovat Raspberry Pi (jakýkoli model bude fungovat) a SD kartu s operačním systémem Raspbian Stretch (9.0+) (pokud jste novým v Raspberry Pi, použijte náš instalační příručka).

Spusťte systém Pi a otevřete okno terminálu. Ujistěte se, že váš Pi je aktuální a zkontrolujte verzi Pythonu.

aktualizace sudo apt-get. python - inverze. python3 - konverze

Pro tento tutoriál můžete použít Python 2.7 nebo Python 3.4+. Tento příklad je pro Python 3. U Pythonu 2.7 vyměňte Python3 s Krajta, a pip3 s pip v tomto tutoriálu.

Pip je správce balíčků pro Python, obvykle nainstalovaný jako standard v distribucích Linuxu.

Pokud zjistíte, že ho nemáte, postupujte podle pokynů nainstalovat pro Linux instrukce Jak nainstalovat Python PIP na Windows, Mac a LinuxMnoho vývojářů Pythonu spoléhá na zjednodušení vývoje pomocí nástroje s názvem PIP pro Python. Zde je návod, jak nainstalovat Python PIP. Přečtěte si více v tomto článku jej nainstalujte.

Instalace TensorFlow

Instalace TensorFlow byla docela frustrující proces, ale díky nedávné aktualizaci je to neuvěřitelně jednoduché. I když můžete tento tutoriál sledovat bez jakýchkoli předchozích znalostí, může být užitečné porozumět základy strojového učení před vyzkoušením.

Před instalací TensorFlow nainstalujte Atlas knihovna.

sudo apt install libatlas-base-dev

Po dokončení nainstalujte TensorFlow přes pip3

pip3 install --user tensorflow

To nainstaluje TensorFlow pro přihlášeného uživatele. Pokud dáváte přednost použití virtuální prostředí Naučte se, jak používat virtuální prostředí PythonAť už jste zkušený vývojář Pythonu, nebo právě začínáte, naučit se, jak nastavit virtuální prostředí, je pro každý projekt Python zásadní. Přečtěte si více , upravte zde svůj kód tak, aby to odrážel.

Testování TensorFlow

Po instalaci můžete vyzkoušet, zda pracuje s ekvivalentem TensorFlow a Ahoj světe!

Z příkazového řádku vytvořte nový skript Python pomocí nano nebo vim (Pokud si nejste jisti, který z nich použít, oba mají výhody) a pojmenujte to něco snadno zapamatovatelného.

sudo nano tftest.py. 

Zadejte tento kód poskytnutý společností Google pro testování TensorFlow:

import tensorflow jako tf. hello = tf.constant ('Ahoj, TensorFlow!') sess = tf. Zasedání() tisk (sess.run (ahoj))

Pokud používáte nano, ukončete stisknutím Ctrl + X a uložte soubor zadáním Y na výzvu.

Spusťte kód z terminálu:

python3 tftest.py. 

Měli byste vidět vytištěno „Ahoj, TensorFlow“.

Pokud používáte Python 3.5, dostanete několik varování za běhu. Oficiální návody TensorFlow uznávají, že k tomu dochází, a doporučují vám to ignorovat.

Funguje to! Nyní udělat něco zajímavého s TensorFlow.

Instalace Image Classifier

V terminálu vytvořte adresář projektu ve svém domovském adresáři a přejděte do něj.

mkdir tf1. cd tf1. 

TensorFlow má úložiště git s ukázkovými modely, které si můžete vyzkoušet. Klonování úložiště do nového adresáře:

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

Chcete použít příklad klasifikace obrázků, který najdete na modely / návody / image / imagenet. Přejděte do této složky nyní:

modely CD / návody / image / imagenet. 

Standardní skript pro klasifikaci obrázků běží s poskytnutým obrazem panda:

Chcete-li spustit standardní klasifikátor obrázků s poskytnutým obrazem panda, zadejte:

python3 classify_image.py. 

Toto přivede obraz pandy do neuronové sítě, která vrací hádky o tom, co je obraz, s hodnotou pro svou úroveň jistoty.

Jak ukazuje výstupní obrázek, neuronová síť uhodla správně, s téměř 90 procentní jistotou. Také si myslel, že obraz může obsahovat pudinkové jablko, ale nebylo to s touto odpovědí příliš jisté.

Použití vlastního obrázku

Obrázek panda dokazuje, že TensorFlow funguje, ale to je možná nepřekvapivé, protože je to příklad, který projekt poskytuje. Pro lepší test můžete neuronové síti přiřadit svůj vlastní obrázek pro klasifikaci.

V tomto případě uvidíte, zda neuronová síť TensorFlow dokáže George identifikovat.

Seznamte se s Georgem. George je dinosaurus. Nakrmte tento obrázek (k dispozici v oříznuté formě tady) do neuronové sítě přidejte argumenty při spuštění skriptu.

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

image_file = následující název skriptu umožňuje přidání libovolného obrázku podle cesty. Podívejme se, jak to neuronová síť udělala.

Není špatné! Zatímco George není triceratops, neuronová síť klasifikovala obraz jako dinosaura s vysokou mírou jistoty ve srovnání s ostatními možnostmi.

TensorFlow a Raspberry Pi, připraveni jít

Tato základní implementace TensorFlow již má potenciál. Toto rozpoznávání objektů se odehrává na Pi a pro fungování nepotřebuje žádné připojení k internetu. To znamená, že s přidáním a Kamerový modul Raspberry Pi a Bateriová jednotka vhodná pro Raspberry Pi, celý projekt by mohl být přenosný.

Většina výukových programů pouze poškrábe povrch předmětu, ale nikdy to nebylo pravdivější než v tomto případě. Strojové učení je neuvěřitelně hustý předmět.

Jedním ze způsobů, jak posunout své znalosti dále, by bylo účast na specializovaném kurzu Tyto kurzy strojového učení pro vás připraví kariérní cestuTyto vynikající online kurzy strojového učení vám pomohou pochopit dovednosti potřebné k zahájení kariéry v strojovém učení a umělé inteligenci. Přečtěte si více . Mezitím si s těmito projekty TensorFlow můžete vyzkoušet strojové učení a Raspberry Pi.