Instal·lació del programari d'aprenentatge automàtic tensorflow a raspberry pi

L’aprenentatge automàtic i la intel·ligència artificial són els temes més actuals a la indústria actualment i podem veure la seva creixent implicació amb el llançament de tots els nous dispositius electrònics. Gairebé totes les aplicacions de l'enginyeria informàtica utilitzen l' aprenentatge automàtic per analitzar i predir els resultats futurs. Ja hi ha molts dispositius llançats al mercat que utilitzen el poder de l’aprenentatge automàtic i la intel·ligència artificial, com ara que la càmera del telèfon intel·ligent utilitza funcions habilitades per a la intel·ligència artificial per a la detecció de cares i que indiquen l’edat aparent des de la detecció de cares.

No és estrany que Google sigui un dels pioners en aquesta tecnologia. Google ja ha creat molts marcs de ML i AI que podem implementar fàcilment a les nostres aplicacions. TensorFlow és una de les conegudes biblioteques de xarxes neuronals de codi obert de Google que s’utilitza en aplicacions d’aprenentatge automàtic com classificació d’imatges, deteccions d’objectes, etc.

En els propers anys, veurem un major ús de la IA en la nostra vida diària i AI capaços de gestionar les seves tasques diàries, com la botiga de queviures de comandes en línia, conduir un cotxe, controlar els seus aparells electrodomèstics, etc. Així que, per què ens han deixat d'explotar alguna màquina algoritmes en dispositius portàtils com Raspberry Pi.

En aquest tutorial, aprendrem a instal·lar TensorFlow a Raspberry Pi i mostrarem alguns exemples amb classificació d’imatges senzilla en una xarxa neuronal prèviament entrenada. Anteriorment hem utilitzat Raspberry Pi per a altres tasques de processament d’imatges com el reconeixement òptic de caràcters, el reconeixement de cares, la detecció de plaques numèriques, etc.

Requisits

1. Raspberry Pi amb sistema operatiu Raspbian instal·lat (targeta SD com a mínim 16 GB)
2. Connexió a Internet funcionant

Aquí utilitzarem SSH per accedir a Raspberry Pi des del portàtil. Podeu utilitzar la connexió VNC o Escriptori remot a l'ordinador portàtil o bé connectar el vostre Raspberry pi amb un monitor. Obteniu més informació sobre com configurar Raspberry Pi aquí sense cap cap cap cap monitor.

Raspberry pi, sent un dispositiu portàtil i que consumeix menys energia, s’utilitza en moltes aplicacions de processament d’imatges en temps real com el reconeixement facial, el seguiment d’objectes, el sistema de seguretat domèstica, la càmera de vigilància, etc. Qualsevol utilitzant qualsevol programari de visió per ordinador com OpenCV amb Raspberry Pi, Es poden construir moltes aplicacions de processament d'imatges potents.

En el passat, instal·lar TensorFlow era una feina bastant difícil, però la recent contribució dels desenvolupadors de ML i AI ho va fer molt senzill i ara es pot instal·lar només amb poques ordres. Si coneixeu alguns aspectes bàsics de l’ aprenentatge automàtic i l’aprenentatge profund, us serà útil saber què passa a la xarxa neuronal. Però, fins i tot si no sou un domini d'aprenentatge automàtic, no hi haurà cap problema, tot i que podeu continuar amb el tutorial i utilitzar alguns exemples de programes per aprendre'l.

Instal·lació de TensorFlow a Raspberry Pi

A continuació es mostren els passos per instal·lar TensorFlow a Raspberry pi:

Pas 1: abans d’instal·lar TensorFlow a Raspberry Pi, actualitzeu i actualitzeu primer el sistema operatiu Raspbian mitjançant les ordres següents

sudo apt-get update sudo apt-get upgrade

Pas 2: a continuació, instal·leu la biblioteca Atlas per obtenir assistència per a les dependències Numpy i altres.

sudo apt install libatlas-base-dev

Pas 3: un cop acabat, instal·leu TensorFlow mitjançant pip3 mitjançant l'ordre següent

pip3 instal·la tensorflow

Necessitarà una mica per instal·lar TensorFlow, si teniu algun error durant la instal·lació, torneu-ho a provar amb l'ordre anterior.

Pas 4: després d’instal·lar amb èxit TensorFlow, comprovarem si s’instal·la correctament mitjançant un petit programa Hello world . Per fer-ho, obriu un editor de text nano amb l'ordre següent:

sudo nano tfcheck.py

I Copieu-enganxeu a sota de les línies al terminal nano i deseu-lo mitjançant ctrl + x i premeu Intro.

import tensorflow as tf hello = tf.constant ('Hello, TensorFlow!') sess = tf.Session () print (sess.run (hello))

Pas 5: ara, executeu aquest script al terminal mitjançant l'ordre següent

python3 tfcheck.py

Si tots els paquets s’instal·len correctament, veureu un Hello Tensorflow. missatge de l'última línia, tal com es mostra a continuació, ignora tots els advertiments.

Funciona bé i ara farem alguna cosa interessant amb TensorFlow i no cal tenir cap coneixement d’aprenentatge automàtic i aprenentatge profund per fer aquest projecte. Aquí s’alimenta una imatge en un model preconstruït i TensorFlow identificarà la imatge. TensorFlow donarà la probabilitat més propera del que hi ha a la imatge.

Instal·lació del classificador d’imatges a Raspberry Pi per al reconeixement d’imatges

Pas 1: - Feu un directori i aneu al directori mitjançant les ordres següents.

mkdir tf cd tf

Pas 2: - Ara, descarregueu els models disponibles al dipòsit GIT de TensorFlow. Cloneu el dipòsit al directori tf mitjançant l'ordre següent

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

Això trigarà una mica a instal·lar-se i té una mida gran, així que assegureu-vos que teniu un pla de dades suficient.

Pas 3: - Utilitzarem un exemple de classificació d'imatges que es pot trobar a models / tutorials / image / imagenet. Aneu a aquesta carpeta amb l'ordre següent

models de CD / tutorials / imatge / imagenet

Pas 4: - Ara, introduïu una imatge a la xarxa neuronal predefinida mitjançant l'ordre següent.

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

Substituïu image_file_name per la imatge que heu d'alimentar i, a continuació, premeu Intro.

A continuació es mostren alguns exemples de detecció i reconeixement d’imatges mitjançant TensorFlow.

No està malament! la xarxa neuronal va classificar la imatge com un gat egipci amb un alt grau de certesa en comparació amb les altres opcions.

En tots els exemples anteriors, els resultats són força bons i TensorFlow pot classificar fàcilment les imatges amb la màxima seguretat. Podeu provar-ho amb les vostres imatges personalitzades.

Si teniu coneixement de l’aprenentatge automàtic, es pot realitzar la detecció d’objectes en aquesta plataforma mitjançant algunes biblioteques.

/>