Instalace softwaru pro strojové učení tensorflow na Raspberry Pi

Strojové učení a umělá inteligence jsou dnes trendy v průmyslových odvětvích a můžeme vidět jejich rostoucí zapojení při uvedení každého nového elektronického zařízení. Téměř každá aplikace počítačového inženýrství používá strojové učení k analýze a předpovídání budoucích výsledků. Na trhu již existuje řada zařízení využívajících sílu strojového učení a umělé inteligence, jako je například fotoaparát smartphonu, který používá funkce detekce obličeje s umělou inteligencí a pro detekci zjevného věku z detekce obličeje.

Není žádným překvapením, že Google je jedním z průkopníků v této technologii. Google již vytvořil mnoho rámců ML a AI, které můžeme snadno implementovat do našich aplikací. TensorFlow je jedna ze známých knihoven neuronových sítí Google s otevřeným zdrojovým kódem, která se používá v aplikacích strojového učení, jako je klasifikace obrázků, detekce objektů atd.

V nadcházejících letech uvidíme více využití AI v našem každodenním životě a AI bude schopna zvládnout vaše každodenní úkoly, jako je objednávání potravin online, řízení automobilu, ovládání domácích spotřebičů atd. Proč jsme tedy za sebou nechali využívat nějaký stroj algoritmy na přenosných zařízeních, jako je Raspberry Pi.

V tomto kurzu se naučíme, jak nainstalovat TensorFlow na Raspberry Pi, a ukážeme několik příkladů s jednoduchou klasifikací obrázků na předem trénované neuronové síti. Dříve jsme Raspberry Pi používali pro další úkoly zpracování obrazu, jako je optické rozpoznávání znaků, rozpoznávání tváře, detekce poznávací značky atd.

Požadavky

1. Raspberry Pi s nainstalovaným Raspbian OS (SD karta minimálně 16 GB)
2. Fungující připojení k internetu

Zde použijeme SSH pro přístup k Raspberry Pi na notebooku. Můžete použít připojení VNC nebo vzdálené plochy na notebooku nebo můžete připojit Raspberry pi k monitoru. Zde se dozvíte více o bezhlavém nastavení Raspberry Pi bez monitoru.

Raspberry pi, přenosné zařízení s nižší spotřebou energie, se používá v mnoha aplikacích pro zpracování obrazu v reálném čase, jako je Face Recognition, sledování objektů, domácí bezpečnostní systém, sledovací kamera atd. Jakékoli pomocí jakéhokoli softwaru pro počítačové vidění, jako je OpenCV s Raspberry Pi, lze vytvořit mnoho výkonných aplikací pro zpracování obrazu.

V minulosti byla instalace TensorFlow docela obtížná práce, ale nedávný příspěvek vývojářů ML a AI to velmi zjednodušil a nyní ji lze nainstalovat jen pomocí několika příkazů. Pokud znáte nějaké základy strojového učení a hlubokého učení, bude pro vás užitečné vědět, co se děje uvnitř neuronové sítě. Ale i když jste v doméně strojového učení noví, nebude žádný problém, můžete v tutoriálu pokračovat a naučit se ho pomocí několika ukázkových programů.

Instalace TensorFlow na Raspberry Pi

Níže jsou uvedeny kroky pro instalaci TensorFlow do Raspberry pi:

Krok 1: Před instalací TensorFlow v Raspberry Pi nejprve aktualizujte a upgradujte operační systém Raspbian pomocí následujících příkazů

sudo apt-get aktualizace sudo apt-get aktualizace

Krok 2: Poté nainstalujte knihovnu Atlas, abyste získali podporu pro Numpy a další závislosti.

sudo apt install libatlas-base-dev

Krok 3: Po dokončení nainstalujte TensorFlow přes pip3 pomocí níže uvedeného příkazu

pip3 nainstalujte tensorflow

Nainstalovat TensorFlow bude nějakou dobu trvat, pokud při instalaci narazíte na nějakou chybu, zkuste to znovu pomocí výše uvedeného příkazu.

Krok 4: Po úspěšné instalaci TensorFlow zkontrolujeme, zda je správně nainstalován, pomocí malého programu Hello world . Otevřete textový editor nano pomocí následujícího příkazu:

sudo nano tfcheck.py

A zkopírujte a vložte pod řádky v nano terminálu a uložte jej pomocí ctrl + x a stiskněte klávesu Enter.

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

Krok 5: Nyní spusťte tento skript v terminálu pomocí níže uvedeného příkazu

python3 tfcheck.py

Pokud jsou všechny balíčky nainstalovány správně, uvidíte Hello Tensorflow! zpráva v posledním řádku, jak je uvedeno níže, ignorovat všechna varování.

Funguje to dobře a nyní uděláme něco zajímavého pomocí TensorFlow a pro tento projekt nemusíte mít žádné znalosti o strojovém učení a hlubokém učení. Zde je obrázek vložen do předem připraveného modelu a TensorFlow jej identifikuje. TensorFlow dá nejbližší pravděpodobnost toho, co je na obrázku.

Instalace Image Classifier na Raspberry Pi pro rozpoznávání obrazu

Krok 1: - Vytvořte adresář a přejděte do adresáře pomocí níže uvedených příkazů.

mkdir tf cd tf

Krok 2: - Nyní si stáhněte modely, které jsou k dispozici v úložišti TensorFlow GIT. Klonujte úložiště do adresáře tf pomocí níže uvedeného příkazu

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

Instalace to zabere nějaký čas a má velkou velikost, takže se ujistěte, že máte dostatečný datový plán.

Krok 3: - Použijeme příklad klasifikace obrázků, který lze najít v modelech / tutoriálech / image / imagenet. Přejděte do této složky pomocí níže uvedeného příkazu

cd modely / návody / image / imagenet

Krok 4: - Nyní posuňte obrázek do předem vytvořené neuronové sítě pomocí níže uvedeného příkazu.

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

Nahraďte image_file_name obrazem, který musíte nakrmit, a poté stiskněte klávesu Enter.

Níže uvádíme několik příkladů detekce a rozpoznávání obrázků pomocí TensorFlow.

Není špatné! neurální síť klasifikovala obraz jako egyptskou kočku s vysokou mírou jistoty ve srovnání s ostatními možnostmi.

Ve všech výše uvedených příkladech jsou výsledky docela dobré a TensorFlow může snadno klasifikovat obrázky s velkou jistotou. Můžete to zkusit pomocí vlastních obrázků.

Pokud máte nějaké znalosti o strojovém učení, může na této platformě provádět detekci objektů pomocí některých knihoven.

/>