Εγκατάσταση λογισμικού μηχανικής εκμάθησης tensorflow στο βατόμουρο pi

Η μηχανική εκμάθηση και η τεχνητή νοημοσύνη είναι τα δημοφιλή θέματα στις βιομηχανίες σήμερα και μπορούμε να δούμε την αυξανόμενη συμμετοχή τους με την κυκλοφορία κάθε νέας ηλεκτρονικής συσκευής. Σχεδόν κάθε εφαρμογή της επιστήμης των υπολογιστών χρησιμοποιεί Μηχανική Εκμάθηση για ανάλυση και πρόβλεψη των μελλοντικών αποτελεσμάτων. Ήδη, υπάρχουν πολλές συσκευές που κυκλοφορούν στην αγορά και χρησιμοποιούν τη δύναμη της μηχανικής εκμάθησης και της τεχνητής νοημοσύνης, όπως η κάμερα του Smartphone που χρησιμοποιεί λειτουργίες με δυνατότητα AI για την ανίχνευση προσώπου και λέει την προφανή ηλικία από την ανίχνευση προσώπου.

Δεν υπάρχει έκπληξη το γεγονός ότι η Google είναι ένας από τους πρωτοπόρους σε αυτήν την τεχνολογία. Η Google έχει ήδη δημιουργήσει πολλά πλαίσια ML και AI που μπορούμε εύκολα να εφαρμόσουμε στις εφαρμογές μας. Το TensorFlow είναι μια από τις γνωστές βιβλιοθήκες Neural Network ανοιχτού κώδικα της Google, η οποία χρησιμοποιείται σε εφαρμογές μηχανικής εκμάθησης όπως ταξινόμηση εικόνας, ανίχνευση αντικειμένων κ.λπ.

Στα επόμενα χρόνια, θα δούμε μεγαλύτερη χρήση της γρίπης των πτηνών στην καθημερινή μας ζωή και AI θα είναι σε θέση να χειριστεί τις καθημερινές σας εργασίες, όπως η παραγγελία παντοπωλείο σε απευθείας σύνδεση, οδήγηση ενός αυτοκινήτου, τον έλεγχο των οικιακών συσκευών σας κ.λπ. Έτσι, γιατί αφήσαμε πίσω για να εκμεταλλευτούν κάποια μηχανή αλγόριθμοι σε φορητές συσκευές όπως το Raspberry Pi.

Σε αυτό το σεμινάριο, θα μάθουμε πώς να εγκαταστήσουμε το TensorFlow στο Raspberry Pi και θα δείξουμε μερικά παραδείγματα με απλή ταξινόμηση εικόνας σε ένα προ-εκπαιδευμένο νευρωνικό δίκτυο. Χρησιμοποιήσαμε προηγουμένως το Raspberry Pi για άλλες εργασίες επεξεργασίας εικόνων, όπως Αναγνώριση οπτικών χαρακτήρων, Αναγνώριση προσώπου, Ανίχνευση αριθμών πινακίδων κ.λπ.

Απαιτήσεις

1. Raspberry Pi με εγκατεστημένο το Raspbian OS (κάρτα SD τουλάχιστον 16 GB)
2. Εργασία στο Διαδίκτυο

Εδώ, θα χρησιμοποιήσουμε το SSH για πρόσβαση στο Raspberry Pi στον φορητό υπολογιστή. Μπορείτε να χρησιμοποιήσετε σύνδεση VNC ή απομακρυσμένης επιφάνειας εργασίας στον φορητό υπολογιστή ή να συνδέσετε το Raspberry pi με οθόνη. Μάθετε περισσότερα σχετικά με τη ρύθμιση του Raspberry Pi χωρίς ακρόαση εδώ χωρίς οθόνη.

Το Raspberry pi, που είναι μια φορητή και λιγότερο ενεργειακή συσκευή, χρησιμοποιείται σε πολλές εφαρμογές επεξεργασίας εικόνας σε πραγματικό χρόνο, όπως Αναγνώριση προσώπου, παρακολούθηση αντικειμένων, σύστημα οικιακής ασφάλειας, κάμερα παρακολούθησης κ.λπ. Οποιαδήποτε χρησιμοποιώντας οποιοδήποτε λογισμικό Computer Vision όπως το OpenCV με το Raspberry Pi, μπορούν να κατασκευαστούν πολλές ισχυρές εφαρμογές επεξεργασίας εικόνας.

Στο παρελθόν, η εγκατάσταση του TensorFlow ήταν αρκετά δύσκολη δουλειά, αλλά η πρόσφατη συμβολή των προγραμματιστών ML και AI το έκανε πολύ απλό και τώρα μπορεί να εγκατασταθεί μόνο με λίγες εντολές. Εάν γνωρίζετε κάποια βασικά στοιχεία της μηχανικής μάθησης και της βαθιάς μάθησης, θα σας βοηθήσει να μάθετε τι συμβαίνει στο νευρωνικό δίκτυο. Αλλά ακόμη και αν είστε νέος στον τομέα Μηχανικής εκμάθησης, δεν θα υπάρχει πρόβλημα που μπορείτε να συνεχίσετε με το σεμινάριο και να χρησιμοποιήσετε μερικά παραδείγματα προγραμμάτων για να το μάθετε.

Εγκατάσταση του TensorFlow στο Raspberry Pi

Ακολουθούν τα βήματα για την εγκατάσταση του TensorFlow στο Raspberry pi:

Βήμα 1: Πριν εγκαταστήσετε το TensorFlow στο Raspberry Pi, πρώτα ενημερώστε και αναβαθμίστε το Raspbian OS χρησιμοποιώντας τις ακόλουθες εντολές

sudo apt-get ενημέρωση sudo apt-get αναβάθμιση

Βήμα 2: Στη συνέχεια, εγκαταστήστε τη βιβλιοθήκη Atlas για να λάβετε υποστήριξη για το Numpy και άλλες εξαρτήσεις.

sudo apt εγκατάσταση libatlas-base-dev

Βήμα 3: Μόλις ολοκληρωθεί, εγκαταστήστε το TensorFlow μέσω pip3 χρησιμοποιώντας την παρακάτω εντολή

pip3 εγκατάσταση tensorflow

Θα χρειαστούν μερικά για να εγκαταστήσετε το TensorFlow, εάν αντιμετωπίσετε κάποιο σφάλμα κατά την εγκατάσταση, απλώς προσπαθήστε ξανά χρησιμοποιώντας την παραπάνω εντολή.

Βήμα 4: Μετά την επιτυχή εγκατάσταση του TensorFlow, θα ελέγξουμε εάν έχει εγκατασταθεί σωστά χρησιμοποιώντας ένα μικρό πρόγραμμα Hello world . Για να το κάνετε αυτό, ανοίξτε το πρόγραμμα επεξεργασίας κειμένου nano χρησιμοποιώντας την παρακάτω εντολή:

sudo nano tfcheck.py

Και αντιγράψτε-επικολλήστε τις παρακάτω γραμμές στο νανο τερματικό και αποθηκεύστε το χρησιμοποιώντας ctrl + x και πατήστε enter.

εισαγωγή tensorflow ως tf hello = tf.constant ('Hello, TensorFlow!') sess = tf. Συνεδρία () print (sess.run (hello))

Βήμα 5: Τώρα, εκτελέστε αυτό το σενάριο στο τερματικό χρησιμοποιώντας την παρακάτω εντολή

python3 tfcheck.py

Εάν όλα τα πακέτα έχουν εγκατασταθεί σωστά, τότε θα δείτε ένα Hello Tensorflow! στην τελευταία γραμμή όπως φαίνεται παρακάτω, αγνοήστε όλες τις προειδοποιήσεις.

Λειτουργεί μια χαρά και τώρα θα κάνουμε κάτι ενδιαφέρον χρησιμοποιώντας το TensorFlow και δεν χρειάζεται να έχετε καμία γνώση της μηχανικής μάθησης και της βαθιάς μάθησης για να κάνετε αυτό το έργο. Εδώ μια εικόνα τροφοδοτείται σε ένα προ-κατασκευασμένο μοντέλο και το TensorFlow θα αναγνωρίσει την εικόνα. Το TensorFlow θα δώσει την πλησιέστερη πιθανότητα για το τι υπάρχει στην εικόνα.

Εγκατάσταση του Classifier εικόνας στο Raspberry Pi για αναγνώριση εικόνας

Βήμα 1: - Δημιουργήστε έναν κατάλογο και μεταβείτε στον κατάλογο χρησιμοποιώντας τις παρακάτω εντολές.

mkdir tf cd tf

Βήμα 2: - Τώρα, κατεβάστε τα μοντέλα που είναι διαθέσιμα στο αποθετήριο TensorFlow GIT. Κλωνοποιήστε το αποθετήριο στον κατάλογο tf χρησιμοποιώντας την παρακάτω εντολή

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

Αυτό θα χρειαστεί λίγος χρόνος για την εγκατάσταση και έχει μεγάλο μέγεθος, οπότε βεβαιωθείτε ότι έχετε επαρκές πρόγραμμα δεδομένων.

Βήμα 3: - Θα χρησιμοποιήσουμε παράδειγμα ταξινόμησης εικόνας που μπορεί να βρεθεί σε μοντέλα / σεμινάρια / εικόνα / imagenet. Μεταβείτε σε αυτόν το φάκελο χρησιμοποιώντας την παρακάτω εντολή

cd models / tutorials / εικόνα / imagenet

Βήμα 4: - Τώρα, τροφοδοτήστε μια εικόνα στο προκατασκευασμένο νευρωνικό δίκτυο χρησιμοποιώντας την παρακάτω εντολή.

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

Αντικαταστήστε το image_file_name με την εικόνα που πρέπει να τροφοδοτήσετε και μετά πατήστε enter.

Ακολουθούν ορισμένα παραδείγματα ανίχνευσης και αναγνώρισης εικόνων χρησιμοποιώντας το TensorFlow.

Όχι κακό! το νευρικό δίχτυ ταξινόμησε την εικόνα ως αιγυπτιακή γάτα με υψηλό βαθμό βεβαιότητας σε σύγκριση με τις άλλες επιλογές.

Σε όλα τα παραπάνω παραδείγματα, τα αποτελέσματα είναι αρκετά καλά και το TensorFlow μπορεί εύκολα να ταξινομήσει τις εικόνες με απόλυτη βεβαιότητα. Μπορείτε να το δοκιμάσετε χρησιμοποιώντας τις προσαρμοσμένες εικόνες σας.

Εάν έχετε κάποια γνώση της μηχανικής εκμάθησης, τότε μπορεί να εκτελέσει ανίχνευση αντικειμένων σε αυτήν την πλατφόρμα χρησιμοποιώντας ορισμένες βιβλιοθήκες.

/>