Installera maskininlärningsprogram tensorflow på hallon pi

Maskininlärning och artificiell intelligens är de populäraste ämnena i branscherna nuförtiden och vi kan se deras ökande engagemang med lanseringen av varje ny elektronikapparat. Nästan varje tillämpning av datavetenskapsteknik använder sig av maskininlärning för att analysera och förutsäga framtida resultat. Redan finns det många enheter rullade på marknaden som använder kraften i maskininlärning och artificiell intelligens, som Smartphones kamera använder AI-aktiverade funktioner för ansiktsavkänning och berättar den skenbara åldern från ansiktsavkänning.

Det är ingen överraskning att Google är en av pionjärerna inom denna teknik. Google har redan skapat många ML- och AI-ramar som vi enkelt kan implementera i våra applikationer. TensorFlow är ett av det välkända Googles bibliotek med öppen källkod Neural Network som används i maskininlärningsapplikationer som bildklassificering, objektdetektering etc.

Under kommande år kommer vi att se mer användning av AI i vårt dagliga liv och AI kommer att kunna hantera dina dagliga uppgifter som att beställa livsmedelsbutiker online, köra bil, styra dina hushållsapparater etc. Så varför lämnade vi bakom oss för att utnyttja någon maskin algoritmer på bärbara enheter som Raspberry Pi.

I den här handledningen lär vi oss hur man installerar TensorFlow på Raspberry Pi och visar några exempel med enkel bildklassificering i ett förutbildat neuralt nätverk. Vi använde tidigare Raspberry Pi för andra bildbearbetningsuppgifter som optisk teckenigenkänning, ansiktsigenkänning, nummerplåtsdetektering etc.

Krav

1. Raspberry Pi med Raspbian OS installerad i den (SD-kort minst 16 GB)
2. Arbetande Internetanslutning

Här kommer vi att använda SSH för att komma åt Raspberry Pi på den bärbara datorn. Du kan använda VNC- eller fjärrskrivbordsanslutning på den bärbara datorn eller ansluta din Raspberry pi till en bildskärm. Läs mer om hur du ställer in Raspberry Pi utan huvud här utan en skärm.

Raspberry pi, som är en bärbar och mindre energiförbrukande enhet, används i många realtidsbildbearbetningsapplikationer som ansiktsigenkänning, objektspårning, hemsäkerhetssystem, övervakningskamera etc. Alla med hjälp av någon datorvisionsprogramvara som OpenCV med Raspberry Pi, många kraftfulla bildbehandlingsapplikationer kan byggas.

Tidigare var installationen av TensorFlow ett ganska svårt jobb men det senaste bidraget från ML- och AI-utvecklare gjorde det väldigt enkelt och nu kan det installeras bara genom att använda få kommandon. Om du känner till några grunder i maskininlärning och djupinlärning kommer det att vara till hjälp för dig att veta vad som händer i det neurala nätverket. Men även om du är ny på maskininlärningsdomänen kommer det inte att finnas några problem, du kan fortfarande fortsätta med handledningen och använda några exempelprogram för att lära dig den.

Installerar TensorFlow i Raspberry Pi

Nedan följer stegen för installation av TensorFlow i Raspberry pi:

Steg 1: Innan du installerar TensorFlow i Raspberry Pi, uppdatera först och uppgradera Raspbian OS med följande kommandon

sudo apt-get uppdatering sudo apt-get upgrade

Steg 2: Installera sedan Atlas- biblioteket för att få stöd för Numpy och andra beroenden.

sudo apt installera libatlas-base-dev

Steg 3: När det är klart installerar du TensorFlow via pip3 med kommandot nedan

pip3 installera tensorflow

Det tar lite att installera TensorFlow, om du stöter på något fel under installationen, försök bara igen med kommandot ovan.

Steg 4: Efter framgångsrik installation av TensorFlow kommer vi att kontrollera om det är installerat korrekt med hjälp av ett litet Hello world- program. För att göra det Öppna nano textredigerare med kommandot nedan:

sudo nano tfcheck.py

Och kopiera och klistra in nedanför raderna i nano- terminalen och spara den med hjälp av ctrl + x och tryck på enter.

importera tensorflöde som tf hej = tf.constant ('Hej, TensorFlow!') sess = tf.Session () skriv ut (sess.run (hej))

Steg 5: Kör nu detta skript i terminalen med kommandot nedan

python3 tfcheck.py

Om alla paket har installerats korrekt ser du ett Hello Tensorflow! meddelande i sista raden som visas nedan, ignorera alla varningar.

Det fungerar bra och nu kommer vi att göra något intressant med TensorFlow och du behöver inte ha någon kunskap om maskininlärning och djupinlärning för att göra detta projekt. Här matas en bild i en förbyggd modell och TensorFlow identifierar bilden. TensorFlow ger närmaste sannolikhet för vad som finns i bilden.

Installerar Image Classifier på Raspberry Pi för bildigenkänning

Steg 1: - Skapa en katalog och navigera till katalogen med kommandona nedan.

mkdir tf cd tf

Steg 2: - Ladda ner de modeller som finns på TensorFlow GIT-förvaret. Klona förvaret i tf- katalogen med kommandot nedan

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

Det tar lite tid att installera och den är stor i storlek så se till att du har tillräcklig dataplan.

Steg 3: - Vi använder bildklassificeringsexempel som finns i modeller / självstudier / bild / imagenet. Navigera till den här mappen med kommandot nedan

cd-modeller / tutorials / image / imagenet

Steg 4: - Mata nu en bild i det förbyggda neurala nätverket med kommandot nedan.

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

Ersätt image_file_name med bilden som du måste mata och tryck sedan på enter.

Nedan följer några exempel på att upptäcka och känna igen bilder med TensorFlow.

Inte dåligt! Neuralnätet klassificerade bilden som en egyptisk katt med en hög grad av säkerhet jämfört med de andra alternativen.

I alla ovanstående exempel är resultaten ganska bra och TensorFlow kan enkelt klassificera bilderna med nära säkerhet. Du kan prova detta med dina anpassade bilder.

Om du har viss kunskap om maskininlärning kan den utföra objektdetektering på denna plattform med hjälp av vissa bibliotek.

/>