Mašīnmācīšanās programmatūras tensorflow instalēšana uz aveņu pi

Mašīnmācība un mākslīgais intelekts mūsdienās ir aktuālas tēmas nozarēs, un mēs varam redzēt to pieaugošo iesaistīšanos katras jaunas elektronikas ierīces ieviešanā. Gandrīz katru pieteikumu Datorzinātnes inženierzinātņu izmanto mašīnmācīšanos analizēt un prognozēt turpmākos rezultātus. Jau tagad tirgū tiek piedāvātas daudzas ierīces, kas izmanto mašīnmācīšanās un mākslīgā intelekta iespējas, piemēram, viedtālruņa kamera sejas noteikšanai izmanto sejas intelektu veicinošas funkcijas un nosaka sejas vecumu no sejas noteikšanas.

Nav pārsteigums, ka Google ir viens no šīs tehnoloģijas pionieriem. Google jau ir izveidojis daudzus ML un AI ietvarus, kurus mēs viegli varam ieviest savās lietojumprogrammās. TensorFlow ir viena no labi pazīstamajām Google atvērtā pirmkoda Neironu tīkla bibliotēkām, ko izmanto mašīnmācīšanās lietojumprogrammās, piemēram, attēlu klasifikācijā, objektu noteikšanā utt.

Nākamajās gados mēs redzēsim vairāk izmantot AI mūsu ikdienas dzīvē, un AI varēs rīkoties ar savu ikdienas uzdevumus, piemēram, pasūtījumu pārtikas veikals internetā, vadot automašīnu, kontrolēt savu mājas tehnika uc Tātad, kāpēc mēs atstājām aiz muguras, lai izmantotu kādu mašīnu algoritmi portatīvajās ierīcēs, piemēram, Raspberry Pi.

Šajā apmācībā mēs iemācīsimies instalēt TensorFlow uz Raspberry Pi un parādīsim dažus piemērus ar vienkāršu attēlu klasifikāciju iepriekš apmācītā neironu tīklā. Iepriekš mēs izmantojām Raspberry Pi citiem attēlu apstrādes uzdevumiem, piemēram, rakstzīmju optiskajai atpazīšanai, sejas atpazīšanai, numura zīmes noteikšanai utt.

Prasības

1. Raspberry Pi ar tajā instalētu Raspbian OS (SD karte vismaz 16 GB)
2. Darbojošs interneta savienojums

Šeit mēs izmantosim SSH, lai klēpjdatorā piekļūtu Raspberry Pi. Jūs varat izmantot VNC vai attālās darbvirsmas savienojumu klēpjdatorā vai arī savienot Raspberry pi ar monitoru. Uzziniet vairāk par Raspberry Pi iestatīšanu bez galvas šeit bez monitora.

Raspberry pi, kas ir pārnēsājama un mazāk enerģijas patērējoša ierīce, tiek izmantots daudzās reāllaika attēlu apstrādes lietojumprogrammās, piemēram, sejas atpazīšanā, objektu izsekošanā, mājas drošības sistēmā, novērošanas kamerā utt. Jebkurā gadījumā, izmantojot jebkuru Computer Vision programmatūru, piemēram, OpenCV ar Raspberry Pi, var izveidot daudz spēcīgu attēlu apstrādes lietojumprogrammu.

Iepriekš TensorFlow instalēšana bija diezgan grūts darbs, taču nesenais ML un AI izstrādātāju ieguldījums to padarīja ļoti vienkāršu, un tagad to var instalēt, tikai izmantojot dažas komandas. Ja jūs zināt dažus mašīnmācīšanās un padziļinātas mācīšanās pamatus, jums būs noderīgi uzzināt, kas notiek neironu tīklā. Bet pat ja jūs esat jauns mašīnmācīšanās domēnā, nebūs problēmu, jūs joprojām varat turpināt apmācību un izmantot dažas piemēru programmas, lai to apgūtu.

TensorFlow instalēšana Raspberry Pi

Tālāk ir norādītas darbības TensorFlow instalēšanai Raspberry pi:

1. solis: Pirms TensorFlow instalēšanas Raspberry Pi, vispirms atjauniniet un jauniniet Raspbian OS, izmantojot šādas komandas

sudo apt-get update sudo apt-get jauninājums

2. solis: Pēc tam instalējiet bibliotēku Atlas, lai saņemtu atbalstu Numpy un citām atkarībām.

sudo apt instalēt libatlas-base-dev

3. solis: Kad tas ir pabeigts, instalējiet TensorFlow caur pip3, izmantojot komandu zemāk

pip3 instalējiet tensorflow

Lai instalētu TensorFlow, būs nepieciešami daži, ja instalēšanas laikā rodas kāda kļūda, vienkārši mēģiniet to vēlreiz, izmantojot iepriekš minēto komandu.

4. solis: Pēc veiksmīgas TensorFlow instalēšanas mēs pārbaudīsim, vai tas ir pareizi instalēts, izmantojot nelielu Hello world programmu. Lai to izdarītu, atveriet nano teksta redaktoru, izmantojot komandu zemāk:

sudo nano tfcheck.py

Nokopējiet un ielīmējiet nano terminālā zem līnijām un saglabājiet to, izmantojot ctrl + x, un nospiediet taustiņu Enter.

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

5. solis: Tagad palaidiet šo skriptu terminālā, izmantojot komandu zemāk

python3 tfcheck.py

Ja visas pakotnes ir instalētas pareizi, jūs redzēsiet Hello Tensorflow! ziņu pēdējā rindā, kā parādīts zemāk, ignorējiet visus brīdinājumus.

Tas darbojas lieliski, un tagad mēs izdarīsim kaut ko interesantu, izmantojot TensorFlow, un, lai veiktu šo projektu, jums nav nepieciešamas zināšanas par mašīnmācīšanos un padziļinātu mācīšanos. Šeit attēls tiek padots iepriekš izveidotā modelī, un TensorFlow identificēs attēlu. TensorFlow sniegs tuvāko varbūtību tam, kas ir attēlā.

Attēlu klasifikatora instalēšana uz Raspberry Pi attēlu atpazīšanai

1. solis: - izveidojiet direktoriju un virzieties uz direktoriju, izmantojot zemāk esošās komandas.

mkdir tf cd tf

2. solis: - Tagad lejupielādējiet modeļus, kas ir pieejami TensorFlow GIT repozitorijā. Klonējiet krātuvi direktorijā tf, izmantojot komandu zemāk

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

Lai to instalētu, būs vajadzīgs zināms laiks, un tā izmērs ir liels, tāpēc pārliecinieties, ka jums ir pietiekams datu plāns.

3. solis: - Mēs izmantosim attēlu klasifikācijas piemēru, kas atrodams modeļos / konsultācijās / image / imagenet. Pārejiet uz šo mapi, izmantojot komandu zemāk

CD modeļi / konsultācijas / attēls / imagenet

4. solis: - Tagad padodiet attēlu iepriekš izveidotā neironu tīklā, izmantojot komandu zemāk.

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

Nomainiet image_file_name ar attēlu, kas jums jābaro, un pēc tam nospiediet taustiņu Enter.

Tālāk ir sniegti daži attēlu noteikšanas un atpazīšanas piemēri, izmantojot TensorFlow.

Nav slikti! neironu tīkls klasificēja attēlu kā Ēģiptes kaķi ar lielu noteiktības pakāpi, salīdzinot ar citām iespējām.

Visos iepriekš minētajos piemēros rezultāti ir diezgan labi, un TensorFlow var viegli klasificēt attēlus ar precīzu noteiktību. To varat izmēģināt, izmantojot pielāgotos attēlus.

Ja jums ir zināmas zināšanas par mašīnmācīšanos, tā var veikt objektu noteikšanu šajā platformā, izmantojot dažas bibliotēkas.

/>