Recunoașterea imaginii cu TensorFlow pe Raspberry Pi: 6 pași

2024 Autor: John Day | [email protected]. Modificat ultima dată: 2024-01-30 11:45

Google TensorFlow este o bibliotecă software open-source pentru calcul numeric care utilizează grafice de flux de date. Este utilizat de Google în diferitele sale domenii de învățare automată și tehnologii de învățare profundă. TensorFlow a fost dezvoltat inițial de Google Brain Team și este publicat pe domeniul public precum GitHub.

Pentru mai multe tutoriale vizitați blogul nostru. Obțineți Raspberry Pi de la FactoryForward - Reseller aprobat în India.

Citiți acest tutorial pe blogul nostru aici.

Pasul 1: Învățarea automată

Învățarea automată și învățarea profundă vor intra sub inteligența artificială (AI). O învățare automată va observa și analiza datele disponibile și le va îmbunătăți rezultatele în timp.

Exemplu: funcția videoclipuri recomandate de YouTube. Afișează videoclipuri conexe pe care le-ați vizionat anterior. Predicția este limitată doar la rezultatele bazate pe text. Dar învățarea profundă poate merge mai adânc decât aceasta.

Pasul 2: Învățare profundă

Învățarea profundă este aproape similară cu aceea, dar ia decizii mai exacte pe cont propriu prin colectarea diverselor informații despre un obiect. Are multe straturi de analiză și ia o decizie în conformitate cu aceasta. Pentru a fixa procesul, acesta folosește Neural Network și ne oferă un rezultat mai exact de care aveam nevoie (înseamnă o predicție mai bună decât ML). Ceva de genul cum gândește și ia decizii un creier uman.

Exemplu: detectarea obiectelor. Detectează ceea ce este disponibil într-o imagine. Ceva similar că puteți diferenția un Arduino și Raspberry Pi prin aspectul, dimensiunea și culorile sale.

Este un subiect larg și are diverse aplicații.

Pasul 3: Cerințe preliminare

TensorFlow a anunțat suport oficial pentru Raspberry Pi, de la versiunea 1.9 va suporta Raspberry Pi utilizând instalarea pachetului pip. Vom vedea cum să-l instalăm pe Raspberry Pi în acest tutorial.

• Python 3.4 (recomandat)
• Raspberry Pi
• Alimentare electrică
• Raspbian 9 (Stretch)

Pasul 4: Actualizați Raspberry Pi și pachetele sale

Pasul 1: actualizați Raspberry Pi și pachetele sale.

sudo apt-get update

sudo apt-get upgrade

Pasul 2: Testați dacă aveți cea mai recentă versiune python, folosind această comandă.

python3 –versiune

Se recomandă să aveți cel puțin Python 3.4.

Pasul 3: Trebuie să instalăm biblioteca libatlas (ATLAS - Automat Tuned Linear Algebra Software). Deoarece TensorFlow folosește numpy. Deci, instalați-l folosind următoarea comandă

sudo apt instalează libatlas-base-dev

Pasul 4: Instalați TensorFlow folosind comanda de instalare Pip3.

pip3 instala tensorflow

Acum este instalat TensorFlow.

Pasul 5: Prezicerea unei imagini utilizând modelul Imagenet Exemplu:

TensorFlow a publicat un model pentru prezicerea imaginilor. Mai întâi trebuie să descărcați modelul, apoi să îl rulați.

Pasul 1: Rulați următoarea comandă pentru a descărca modelele. S-ar putea să fie nevoie să aveți git instalat.

git clone

Pasul 2: Navigați la exemplul de imagineet.

modele cd / tutoriale / imagine / imagenet

Sfat Pro: pe noul Raspbian Stretch, puteți găsi manual fișierul „classify_image.py” și apoi „Faceți clic dreapta” pe el. Alegeți „Copiați căile”. Apoi lipiți-l în terminal după „cd” și apăsați Enter. În acest fel puteți naviga mai repede fără erori (în caz de greșeală de ortografie sau numele fișierului este modificat în noile actualizări).

Am folosit metoda „Copiați calea (căile)”, așa că va include calea exactă pe imagine (/ home / pi).

Pasul 3: Rulați exemplul folosind această comandă. Va dura aproximativ 30 de secunde pentru a afișa rezultatul prezis.

python3 classify_image.py

Pasul 6: Predicția personalizată a imaginii

Puteți, de asemenea, să descărcați o imagine de pe internet sau să utilizați propria dvs. imagine capturată pe camera dvs. pentru predicții. Pentru rezultate mai bune, utilizați mai puține imagini de memorie.

Pentru a utiliza imagini personalizate, utilizați următorul mod. Am fișierul imagine la locația ‘/home/pi/Downloads/TensorImageTest1.jpg’. Doar înlocuiți acest lucru cu locația și numele fișierului. Utilizați „Copiere căi” pentru o navigare mai ușoară.

python3 classify_image.py --image_file = / home / pi / Downloads / TensorImageTest1.jpg

Puteți încerca și alte exemple. Dar trebuie să instalați pachetele necesare înainte de executare. Vom acoperi câteva subiecte interesante TensorFlow în tutorialele viitoare.