Installere maskinlæringsprogramvare tensorflow på bringebær pi

Maskinlæring og kunstig intelligens er de mest populære temaene i industriene nå for tiden, og vi kan se deres økende engasjement med lanseringen av alle nye elektronikkapparater. Nesten alle applikasjoner innen informatikk bruker maskinlæring til å analysere og forutsi fremtidige resultater. Allerede er det mange enheter rullet i markedet som bruker kraften til maskinlæring og kunstig intelligens, som Smartphones kamera bruker AI-aktiverte funksjoner for ansiktsgjenkjenning og forteller den tilsynelatende alderen fra ansiktsgjenkjenningen.

Det er ingen overraskelse at Google er en av pionerene innen denne teknologien. Google har allerede laget mange ML- og AI-rammer som vi enkelt kan implementere i applikasjonene våre. TensorFlow er et av de velkjente Googles open source Neural Network-biblioteker som brukes i maskinlæringsapplikasjoner som bildeklassifisering, objektgjenkjenning osv.

I de kommende årene vil vi se mer bruk av AI i vårt daglige liv, og AI vil være i stand til å håndtere dine daglige oppgaver som å bestille dagligvare online, kjøre bil, kontrollere husholdningsapparater osv. Så hvorfor la vi igjen for å utnytte en maskin algoritmer på bærbare enheter som Raspberry Pi.

I denne opplæringen vil vi lære hvordan du installerer TensorFlow på Raspberry Pi, og vil vise noen eksempler med enkel bildeklassifisering på et forhåndstrent neuralt nettverk. Vi brukte tidligere Raspberry Pi til andre bildebehandlingsoppgaver som optisk tegngjenkjenning, ansiktsgjenkjenning, nummerplatedeteksjon etc.

Krav

1. Raspberry Pi med Raspbian OS installert i den (SD-kort minst 16 GB)
2. Arbeider Internett-tilkobling

Her vil vi bruke SSH for å få tilgang til Raspberry Pi på den bærbare datamaskinen. Du kan bruke VNC eller Remote Desktop-tilkobling på den bærbare datamaskinen, eller du kan koble Raspberry pi til en skjerm. Lær mer om å sette opp Raspberry Pi hodeløst her uten skjerm.

Raspberry pi, som er en bærbar og mindre strømkrevende enhet, brukes i mange sanntids bildebehandlingsapplikasjoner som ansiktsgjenkjenning, objektsporing, hjemmesikkerhetssystem, overvåkingskamera osv. Alt ved hjelp av hvilken som helst Computer Vision-programvare som OpenCV med Raspberry Pi mange kraftige bildebehandlingsapplikasjoner kan bygges.

Tidligere var installering av TensorFlow ganske vanskelig, men nylig bidrag fra ML- og AI-utviklere gjorde det veldig enkelt, og nå kan det installeres bare ved å bruke få kommandoer. Hvis du kjenner noen grunnleggende om maskinlæring og dyp læring, vil det være nyttig for deg å vite hva som skjer i nevrale nettverk. Men selv om du er ny på maskinlæringsdomenet, vil det ikke være noe problem, du kan fortsatt fortsette med opplæringen og bruke noen eksempler på programmer for å lære det.

Installere TensorFlow i Raspberry Pi

Nedenfor er trinnene for installering av TensorFlow i Raspberry pi:

Trinn 1: Før du installerer TensorFlow i Raspberry Pi, må du først oppdatere og oppgradere Raspbian OS ved å bruke følgende kommandoer

sudo apt-get update sudo apt-get upgrade

Trinn 2: Installer deretter Atlas- biblioteket for å få støtte for Numpy og andre avhengigheter.

sudo apt installer libatlas-base-dev

Trinn 3: Når det er ferdig, installerer du TensorFlow via pip3 ved å bruke kommandoen nedenfor

pip3 installere tensorflow

Det vil ta litt å installere TensorFlow, hvis du får noen feil mens du installerer, er det bare å prøve det igjen med kommandoen ovenfor.

Trinn 4: Etter vellykket installasjon av TensorFlow, vil vi sjekke om den er riktig installert ved hjelp av et lite Hello world- program. For å gjøre det Åpne nano teksteditor ved hjelp av kommandoen nedenfor:

sudo nano tfcheck.py

Og kopier og lim inn under linjene i nano- terminalen og lagre den ved hjelp av ctrl + x og trykk enter.

importer tensorflow som tf hei = tf.constant ('Hello, TensorFlow!') sess = tf.Session () print (sess.run (hallo))

Trinn 5: Kjør nå dette skriptet i terminalen ved hjelp av kommandoen nedenfor

python3 tfcheck.py

Hvis alle pakkene er riktig installert, vil du se en Hello Tensorflow! melding i siste linje som vist nedenfor, ignorere alle advarslene.

Det fungerer bra, og nå vil vi gjøre noe interessant med TensorFlow, og du trenger ikke ha kunnskap om maskinlæring og dyp læring for å gjøre dette prosjektet. Her mates et bilde i en forhåndsbygd modell, og TensorFlow vil identifisere bildet. TensorFlow vil gi nærmeste sannsynlighet for hva som er i bildet.

Installere Image Classifier på Raspberry Pi for bildegjenkjenning

Trinn 1: - Lag en katalog og naviger til katalogen ved hjelp av kommandoene nedenfor.

mkdir tf cd tf

Trinn 2: - Last ned modellene som er tilgjengelige på TensorFlow GIT repository. Klon depotet i tf- katalogen ved hjelp av kommandoen nedenfor

git-klone https://github.com/tensorflow/models.git

Dette vil ta litt tid å installere, og den er stor i størrelse, så sørg for at du har tilstrekkelig dataplan.

Trinn 3: - Vi vil bruke eksempler på bildeklassifisering som finnes i modeller / tutorials / image / imagenet. Naviger til denne mappen ved hjelp av kommandoen nedenfor

cd modeller / tutorials / image / imagenet

Trinn 4: - Mat nå et bilde i det forhåndsbygde nevrale nettverket ved hjelp av kommandoen nedenfor.

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

Bytt ut bildefilnavn med bildet du må mate, og trykk deretter på enter.

Nedenfor er noen eksempler på å oppdage og gjenkjenne bilder ved hjelp av TensorFlow.

Ikke verst! Nevralnettet klassifiserte bildet som en egyptisk katt med høy grad av sikkerhet sammenlignet med de andre alternativene.

I alle eksemplene ovenfor er resultatene ganske gode, og TensorFlow kan enkelt klassifisere bildene med nær sikkerhet. Du kan prøve dette ved å tilpasse bildene dine.

Hvis du har kunnskap om maskinlæring, kan den utføre gjenkjenning av objekter på denne plattformen ved hjelp av noen biblioteker.

/>