Namestitev programske opreme za strojno učenje tensorflow na Raspberry Pi

Strojno učenje in umetna inteligenca sta danes v trendu v panogah in opažamo njihovo vedno večje sodelovanje z uvedbo vsake nove elektronske naprave. Skoraj vsaka aplikacija računalniškega inženirstva uporablja strojno učenje za analizo in napovedovanje prihodnjih rezultatov. Na trgu že obstaja veliko naprav, ki uporabljajo moč strojnega učenja in umetne inteligence, na primer kamera pametnega telefona uporablja funkcije z omogočeno inteligenco za zaznavanje obrazov in prepoznavanje navidezne starosti od zaznavanja obrazov.

Ni presenetljivo, da je Google eden od začetnikov te tehnologije. Google je že izdelal številne okvire ML in AI, ki jih lahko enostavno uporabimo v naših aplikacijah. TensorFlow je ena izmed dobro znanih Googlovih odprtokodnih knjižnic nevronske mreže, ki se uporablja v aplikacijah strojnega učenja, kot so klasifikacija slik, zaznavanje predmetov itd.

V prihodnjih letih bomo videli večjo uporabo umetne inteligence v našem vsakdanjem življenju in AI bo sposobna izpeljati svoje vsakodnevne naloge, kot so naročanje živili na spletu, vožnja z avtomobilom, nadzorovati svoje gospodinjski aparati itd Torej, zakaj smo pustili za sabo, da izkoristijo nekaj stroj algoritmi na prenosnih napravah, kot je Raspberry Pi.

V tej vadnici bomo izvedeli, kako namestiti TensorFlow na Raspberry Pi, in prikazali bomo nekaj primerov s preprosto klasifikacijo slik na vnaprej usposobljeni nevronski mreži. Prej smo Raspberry Pi uporabljali za druge naloge obdelave slik, kot so optično prepoznavanje znakov, prepoznavanje obrazov, zaznavanje tablice itd.

Zahteve

1. Raspberry Pi z nameščenim OS Raspbian (kartica SD najmanj 16 GB)
2. Delovna internetna povezava

Tu bomo uporabili SSH za dostop do Raspberry Pi na prenosnem računalniku. Na prenosnem računalniku lahko uporabite povezavo VNC ali oddaljeno namizje ali pa Raspberry pi povežete z monitorjem. Več o nastavitvi Raspberry Pi brez glave tukaj brez monitorja.

Raspberry pi, ki je prenosna in manj porabljiva naprava, se uporablja v številnih aplikacijah za obdelavo slik v realnem času, kot so prepoznavanje obrazov, sledenje predmetom, sistem za domači nadzor, nadzorna kamera itd. Vsaka z uporabo katere koli programske opreme Computer Vision, kot je OpenCV z Raspberry Pi, je mogoče zgraditi veliko zmogljivih aplikacij za obdelavo slik.

V preteklosti je bila namestitev TensorFlow- a precej zahtevno delo, nedavni prispevek razvijalcev ML in AI pa je to naredil zelo preprosto, zdaj pa ga je mogoče namestiti le z nekaj ukazi. Če poznate nekaj osnov strojnega učenja in globokega učenja, vam bo v pomoč, če veste, kaj se dogaja znotraj nevronske mreže. Toda tudi če ste nov v domeni strojnega učenja, ne bo nobenih težav, vendar lahko še vedno nadaljujete z vadnico in se z njo naučite nekaj primerov programov.

Namestitev TensorFlow v Raspberry Pi

Spodaj so navedeni koraki za namestitev TensorFlowa v Raspberry pi:

1. korak: Pred namestitvijo TensorFlow v Raspberry Pi najprej posodobite in nadgradite OS Raspbian z naslednjimi ukazi

posodobitev sudo apt-get

2. korak: Nato namestite knjižnico Atlas, da dobite podporo za Numpy in druge odvisnosti.

sudo apt namestite libatlas-base-dev

3. korak: Ko je to končano, namestite TensorFlow prek pip3 z uporabo spodnjega ukaza

pip3 namesti tensorflow

Nekaj ​​bo trajalo, da namestite TensorFlow. Če se med namestitvijo soočite z napako, poskusite znova z zgornjim ukazom.

4. korak: Po uspešni namestitvi TensorFlowa bomo z majhnim programom Hello world preverili, ali je pravilno nameščen. Če želite to narediti, odprite urejevalnik besedil nano z uporabo spodnjega ukaza:

sudo nano tfcheck.py

In kopirajte-prilepite spodnje vrstice v nano terminal in ga shranite s kombinacijo tipk ctrl + x in pritisnite Enter.

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

5. korak: Zdaj zaženite ta skript v terminalu z uporabo spodnjega ukaza

python3 tfcheck.py

Če so vsi paketi pravilno nameščeni, boste videli Hello Tensorflow! sporočilo v zadnji vrstici, kot je prikazano spodaj, prezrite vsa opozorila.

Deluje dobro in zdaj bomo s pomočjo TensorFlowa naredili nekaj zanimivega, za ta projekt pa vam ni treba poznati znanja strojnega učenja in globokega učenja. Tu je slika podana v vnaprej izdelanem modelu in TensorFlow jo bo identificiral. TensorFlow bo dal najbližjo verjetnost, kaj je na sliki.

Nameščanje klasifikatorja slik na Raspberry Pi za prepoznavanje slik

1. korak: - Naredite imenik in se pomaknite do njega z uporabo spodnjih ukazov.

mkdir tf cd tf

2. korak: - Zdaj prenesite modele, ki so na voljo v repozitoriju TensorFlow GIT. S pomočjo spodnjega ukaza klopiranje shranite v imenik tf

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

Namestitev bo trajala nekaj časa in je velike, zato poskrbite, da imate dovolj podatkovnega načrta.

3. korak: - Uporabili bomo primer klasifikacije slik, ki ga lahko najdete v models / tutorials / image / imagenet. Do te mape se pomaknite s spodnjim ukazom

cd modeli / vadnice / image / imagenet

4. korak: Zdaj podajte sliko v vnaprej zgrajeno nevronsko omrežje z uporabo spodnjega ukaza.

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

Zamenjajte image_file_name s sliko, ki jo morate nahraniti, in pritisnite Enter.

Spodaj je nekaj primerov zaznavanja in prepoznavanja slik z uporabo TensorFlowa.

Ni slabo! nevronska mreža je sliko z visoko stopnjo gotovosti v primerjavi z drugimi možnostmi uvrstila med egipčanske mačke .

V vseh zgornjih primerih so rezultati precej dobri in TensorFlow lahko z lahkoto razvrsti slike z natančnostjo. To lahko poskusite s svojimi slikami po meri.

Če poznate strojno učenje, lahko izvede zaznavanje predmetov na tej platformi z uporabo nekaterih knjižnic.

/>