การจดจำภาพด้วย TensorFlow บน Raspberry Pi: 6 ขั้นตอน

2024 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2024-01-30 13:06

Google TensorFlow เป็นไลบรารีซอฟต์แวร์โอเพ่นซอร์สสำหรับการคำนวณเชิงตัวเลขโดยใช้กราฟการไหลของข้อมูล Google ใช้ Google ในด้านต่างๆ ของการเรียนรู้ด้วยเครื่องและเทคโนโลยีการเรียนรู้เชิงลึก TensorFlow ได้รับการพัฒนาโดย Google Brain Team และเผยแพร่ในโดเมนสาธารณะเช่น GitHub

สำหรับบทแนะนำเพิ่มเติมโปรดเยี่ยมชมบล็อกของเรา รับ Raspberry Pi จาก FactoryForward - ตัวแทนจำหน่ายที่ได้รับอนุมัติในอินเดีย

อ่านบทช่วยสอนนี้ในบล็อกของเราที่นี่

ขั้นตอนที่ 1: การเรียนรู้ของเครื่อง

Machine Learning และ Deep Learning จะอยู่ภายใต้ปัญญาประดิษฐ์ (AI) แมชชีนเลิร์นนิงจะสังเกตและวิเคราะห์ข้อมูลที่มีอยู่และปรับปรุงผลลัพธ์เมื่อเวลาผ่านไป

ตัวอย่าง: คุณลักษณะวิดีโอแนะนำของ YouTube มันแสดงวิดีโอที่เกี่ยวข้องที่คุณเคยดูมาก่อน การคาดคะเนจำกัดเฉพาะผลลัพธ์แบบข้อความเท่านั้น แต่การเรียนรู้เชิงลึกสามารถเจาะลึกได้มากกว่านี้

ขั้นตอนที่ 2: การเรียนรู้อย่างลึกซึ้ง

การเรียนรู้เชิงลึกนั้นเกือบจะคล้ายกับสิ่งนั้น แต่ทำให้ตัดสินใจได้แม่นยำยิ่งขึ้นด้วยตัวมันเองโดยรวบรวมข้อมูลต่างๆ ของวัตถุ มีการวิเคราะห์หลายชั้นและตัดสินใจตามนั้น เพื่อให้กระบวนการเร็วขึ้น มันใช้ Neural Network และให้ผลลัพธ์ที่แม่นยำกว่าที่เราต้องการ (หมายถึงการคาดการณ์ที่ดีกว่า ML) บางอย่างเช่นสมองของมนุษย์คิดและตัดสินใจอย่างไร

ตัวอย่าง: การตรวจจับวัตถุ ตรวจพบสิ่งที่มีอยู่ในภาพ สิ่งที่คล้ายกันซึ่งคุณสามารถแยกความแตกต่างระหว่าง Arduino และ Raspberry Pi ด้วยรูปลักษณ์ ขนาด และสี

เป็นหัวข้อกว้างและมีการใช้งานที่หลากหลาย

ขั้นตอนที่ 3: ข้อกำหนดเบื้องต้น

TensorFlow ประกาศการสนับสนุนอย่างเป็นทางการสำหรับ Raspberry Pi จากเวอร์ชัน 1.9 จะรองรับ Raspberry Pi โดยใช้การติดตั้งแพ็คเกจ pip เราจะดูวิธีการติดตั้งบน Raspberry Pi ของเราในบทช่วยสอนนี้

• Python 3.4 (แนะนำ)
• ราสเบอร์รี่ปี่
• พาวเวอร์ซัพพลาย
• Raspbian 9 (ยืด)

ขั้นตอนที่ 4: อัปเดต Raspberry Pi และแพ็คเกจของคุณ

ขั้นตอนที่ 1: อัปเดต Raspberry Pi และแพ็คเกจของคุณ

sudo apt-get update

sudo apt-get อัพเกรด

ขั้นตอนที่ 2: ทดสอบว่าคุณมี python เวอร์ชันล่าสุดโดยใช้คำสั่งนี้

python3 –-version

ขอแนะนำให้มี Python 3.4 เป็นอย่างน้อย

ขั้นตอนที่ 3: เราจำเป็นต้องติดตั้งไลบรารี libatlas (ATLAS - ซอฟต์แวร์พีชคณิตเชิงเส้นที่ปรับแต่งโดยอัตโนมัติ) เนื่องจาก TensorFlow ใช้ numpy ดังนั้นให้ติดตั้งโดยใช้คำสั่งต่อไปนี้

sudo apt ติดตั้ง libatlas-base-dev

ขั้นตอนที่ 4: ติดตั้ง TensorFlow โดยใช้คำสั่งติดตั้ง Pip3

pip3 ติดตั้งเทนเซอร์โฟลว์

ตอนนี้ติดตั้ง TensorFlow แล้ว

ขั้นตอนที่ 5: การทำนายภาพโดยใช้ Imagenet Model ตัวอย่าง:

TensorFlow ได้เผยแพร่แบบจำลองเพื่อทำนายภาพ คุณต้องดาวน์โหลดโมเดลก่อนแล้วจึงเรียกใช้

ขั้นตอนที่ 1: เรียกใช้คำสั่งต่อไปนี้เพื่อดาวน์โหลดโมเดล คุณอาจต้องติดตั้ง git

โคลน git

ขั้นตอนที่ 2: ไปที่ตัวอย่าง imagenet

cd รุ่น/บทช่วยสอน/image/imagenet

คำแนะนำแบบมือโปร: ใน Raspbian Stretch ใหม่ คุณสามารถค้นหาไฟล์ 'classify_image.py' ได้ด้วยตนเอง จากนั้น 'คลิกขวา' ที่ไฟล์นั้น เลือก 'คัดลอกเส้นทาง' จากนั้นวางลงในเทอร์มินัลหลัง 'cd' แล้วกด Enter ด้วยวิธีนี้คุณสามารถนำทางได้เร็วขึ้นโดยไม่มีข้อผิดพลาด (ในกรณีที่การสะกดผิดหรือชื่อไฟล์มีการเปลี่ยนแปลงในการอัพเดทใหม่)

ฉันใช้วิธี 'คัดลอกเส้นทาง' เพื่อให้รวมเส้นทางที่แน่นอนบนรูปภาพ (/home/pi)

ขั้นตอนที่ 3: เรียกใช้ตัวอย่างโดยใช้คำสั่งนี้ จะใช้เวลาประมาณ 30 วินาทีในการแสดงผลที่คาดการณ์ไว้

python3 classify_image.py

ขั้นตอนที่ 6: การทำนายภาพแบบกำหนดเอง

คุณยังสามารถดาวน์โหลดรูปภาพจากอินเทอร์เน็ตหรือใช้ภาพของคุณเองที่ถ่ายด้วยกล้องเพื่อการคาดคะเน เพื่อผลลัพธ์ที่ดีกว่า ให้ใช้ภาพที่มีหน่วยความจำน้อยลง

หากต้องการใช้รูปภาพที่กำหนดเอง ให้ใช้วิธีต่อไปนี้ ฉันมีไฟล์รูปภาพอยู่ที่ตำแหน่ง '/home/pi/Downloads/TensorImageTest1.jpg' เพียงแทนที่ด้วยตำแหน่งและชื่อไฟล์ของคุณ ใช้ 'คัดลอกเส้นทาง' เพื่อการนำทางที่ง่ายขึ้น

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

คุณสามารถลองใช้ตัวอย่างอื่นๆ ได้เช่นกัน แต่คุณต้องติดตั้งแพ็คเกจที่จำเป็นก่อนดำเนินการ เราจะครอบคลุมหัวข้อ TensorFlow ที่น่าสนใจในบทช่วยสอนที่กำลังจะมีขึ้น