Memasang tensorflow perisian pembelajaran mesin pada raspberry pi

Pembelajaran Mesin dan Kecerdasan Buatan adalah topik yang sedang popular di industri sekarang dan kita dapat melihat peningkatan penglibatan mereka dengan pelancaran setiap peranti elektronik baru. Hampir setiap aplikasi kejuruteraan sains komputer menggunakan Pembelajaran Mesin untuk menganalisis dan meramalkan hasil masa depan. Sudah, ada banyak perangkat yang diluncurkan di pasar yang menggunakan kekuatan Pembelajaran Mesin dan Kecerdasan Buatan, seperti kamera Smartphone menggunakan fitur yang diaktifkan AI untuk pengesanan wajah dan memberitahu usia yang jelas dari pengesanan wajah.

Tidak hairanlah bahawa Google adalah salah satu pelopor dalam teknologi ini. Google sudah membuat banyak kerangka ML dan AI yang dapat kita laksanakan dengan mudah dalam aplikasi kita. TensorFlow adalah salah satu perpustakaan Neural Network sumber terbuka Google yang terkenal yang digunakan dalam aplikasi pembelajaran mesin seperti klasifikasi Imej, pengesanan objek, dll.

Dalam tahun-tahun akan datang, kita akan melihat lebih banyak penggunaan AI dalam kehidupan seharian kita dan AI dapat menangani tugas harian anda seperti memesan barang runcit dalam talian, memandu kereta, mengawal peralatan rumah anda dan lain-lain. Oleh itu, mengapa kita ketinggalan untuk memanfaatkan beberapa mesin algoritma pada peranti mudah alih seperti Raspberry Pi.

Dalam tutorial ini, kita akan belajar cara memasang TensorFlow pada Raspberry Pi dan akan menunjukkan beberapa contoh dengan klasifikasi gambar sederhana pada rangkaian saraf yang terlatih. Kami sebelum ini menggunakan Raspberry Pi untuk tugas Pemprosesan Imej lain seperti Pengecaman Karakter Optik, Pengecaman Muka, Pengesanan Plat Nombor dll.

Keperluan

1. Raspberry Pi dengan OS Raspbian terpasang di dalamnya (kad SD sekurang-kurangnya 16 GB)
2. Sambungan Internet yang Bekerja

Di sini, kami akan menggunakan SSH untuk mengakses Raspberry Pi di komputer riba. Anda boleh menggunakan sambungan VNC atau Desktop Jauh di komputer riba, atau boleh menyambungkan Raspberry pi anda dengan monitor. Ketahui lebih lanjut mengenai penyediaan Raspberry Pi tanpa kepala di sini tanpa monitor.

Raspberry pi, sebagai peranti mudah alih dan kurang menggunakan tenaga, digunakan dalam banyak aplikasi pemprosesan gambar masa nyata seperti Pengecaman Wajah, pengesanan objek, sistem keselamatan Rumah, kamera Pengawasan dan lain-lain. Dengan menggunakan perisian Computer Vision seperti OpenCV dengan Raspberry Pi, banyak aplikasi pemprosesan gambar yang kuat dapat dibina.

Pada masa lalu, memasang TensorFlow adalah pekerjaan yang sukar tetapi sumbangan terbaru dari pemaju ML dan AI menjadikannya sangat mudah dan sekarang ia dapat dipasang hanya dengan menggunakan beberapa perintah. Sekiranya anda mengetahui beberapa asas pembelajaran Mesin dan pembelajaran mendalam, akan sangat berguna bagi anda untuk mengetahui apa yang berlaku di dalam rangkaian saraf. Tetapi walaupun anda baru menggunakan domain Machine learning, tidak akan ada masalah anda tetap dapat meneruskan tutorial dan menggunakan beberapa contoh program untuk mempelajarinya.

Memasang TensorFlow di Raspberry Pi

Berikut adalah langkah-langkah untuk memasang TensorFlow di Raspberry pi:

Langkah 1: Sebelum memasang TensorFlow di Raspberry Pi, kemas kini dan tingkatkan OS Raspbian terlebih dahulu dengan menggunakan arahan berikut

sudo apt-get update sudo apt-get upgrade

Langkah 2: Kemudian Pasang pustaka Atlas untuk mendapatkan sokongan untuk Numpy dan pergantungan lain.

sudo apt install libatlas-base-dev

Langkah 3: Setelah selesai, pasang TensorFlow melalui pip3 menggunakan arahan di bawah

pip3 memasang tensorflow

Diperlukan beberapa untuk memasang TensorFlow, jika anda menghadapi ralat semasa memasang, coba lagi menggunakan perintah di atas.

Langkah 4: Setelah berjaya memasang TensorFlow, kami akan memeriksa sama ada ia dipasang dengan betul dengan menggunakan program Hello world kecil. Untuk melakukan itu Open text nano editor menggunakan arahan di bawah:

sudo nano tfcheck.py

Dan Salin-tampal di bawah baris di terminal nano dan simpan menggunakan ctrl + x dan tekan enter.

import tensorflow sebagai tf hello = tf.constant ('Hello, TensorFlow!') sess = tf. Sesi () cetak (sess.run (hello))

Langkah 5: Sekarang, jalankan skrip ini di terminal menggunakan perintah di bawah

python3 tfcheck.py

Sekiranya semua pakej dipasang dengan betul, anda akan melihat Hello Tensorflow! mesej di baris terakhir seperti yang ditunjukkan di bawah, abaikan semua amaran.

Ia berfungsi dengan baik dan sekarang kami akan melakukan sesuatu yang menarik menggunakan TensorFlow dan anda tidak perlu mempunyai pengetahuan mengenai pembelajaran Mesin dan pembelajaran mendalam untuk melakukan projek ini. Di sini gambar dimasukkan dalam model pra-binaan dan TensorFlow akan mengenal pasti gambar tersebut. TensorFlow akan memberikan kebarangkalian terdekat dari apa yang terdapat dalam gambar.

Memasang Pengelasan Imej pada Raspberry Pi untuk Pengecaman Imej

Langkah 1: - Buat direktori dan arahkan ke direktori menggunakan perintah di bawah ini.

mkdir tf cd tf

Langkah 2: - Sekarang, muat turun model yang terdapat di repositori TensorFlow GIT. Klon repositori ke direktori tf menggunakan arahan di bawah

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

Ini memerlukan sedikit masa untuk dipasang, dan berukuran besar, jadi pastikan anda mempunyai rancangan data yang mencukupi.

Langkah 3: - Kami akan menggunakan contoh klasifikasi gambar yang terdapat dalam model / tutorial / gambar / imagenet. Navigasi ke folder ini menggunakan arahan di bawah

cd model / tutorial / gambar / imagenet

Langkah 4: - Sekarang, umpan gambar di rangkaian neural yang telah dibina menggunakan perintah di bawah.

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

Ganti nama_file_name dengan gambar yang harus anda makan dan kemudian tekan enter.

Berikut adalah beberapa contoh mengesan dan mengenali gambar menggunakan TensorFlow.

Boleh tahan! jaring saraf mengelaskan gambar itu sebagai kucing Mesir dengan kepastian yang tinggi jika dibandingkan dengan pilihan lain.

Dalam semua contoh di atas, hasilnya cukup baik dan TensorFlow dapat dengan mudah mengklasifikasikan gambar dengan pasti. Anda boleh mencubanya menggunakan gambar yang anda sesuaikan.

Sekiranya anda mempunyai pengetahuan tentang Pembelajaran mesin maka ia dapat melakukan Pengesanan objek di platform ini menggunakan beberapa perpustakaan.

/>