Започните с препознавањем слика користећи ТенсорФлов и Распберри Пи

Реклама

ТенсорФлов је Гоогле-ова библиотека неуронске мреже. С обзиром на то да је машинско учење тренутно најзгоднија ствар, не чуди што је Гоогле међу лидерима у овој новој технологији.

У овом ћете чланку научити како инсталирати ТенсорФлов на Распберри Пи и покренути једноставну класификацију слика на унапријед обученој неуролошкој мрежи.

Почетак

Да бисте започели са препознавањем слика, требаће вам Распберри Пи (било који модел ће радити) и СД картица са Распбиан Стретцх (9.0+) оперативним системом (ако сте нови у Распберри Пи, користите наш упутство за инсталацију).

Подигните Пи и отворите прозор терминала. Проверите да ли је Пи ажуриран и проверите своју Питхон верзију.

судо апт-гет упдате. питхон --верзија. питхон3 --верзија

За овај туториал можете користити и Питхон 2.7 или Питхон 3.4+. Овај пример је за Питхон 3. За Питхон 2.7 замените Питхон3 са Питхон, и пип3 са пип кроз овај туториал.

Пип је менаџер пакета за Питхон, који се обично инсталира као стандард у Линук дистрибуцији.

Ако утврдите да га немате, следите следеће

инсталирајте за Линук упутства Како инсталирати Питхон ПИП на Виндовс, Мац и ЛинукМноги програмери Питхона ослањају се на алат који се зове ПИП за Питхон за поједностављење развоја. Ево како инсталирати Питхон ПИП. Опширније у овом чланку да бисте га инсталирали.

Инсталирање ТенсорФлов-а

Инсталација ТенсорФлов некада је била прилично фрустрирајући процес, али недавна надоградња чини је невероватно једноставном. Иако можете да пратите овај водич без икаквог претходног знања, можда би било вредно разумети основе машинског учења пре него што га испробате.

Пре него што инсталирате ТенсорФлов, инсталирајте Атлас библиотека.

судо апт инсталл либатлас-басе-дев

Када то завршите, инсталирајте ТенсорФлов преко пип3

пип3 инсталл --усер тенсорфлов

Ово ће инсталирати ТенсорФлов за пријављеног корисника. Ако више желите да користите а виртуелно окружење Сазнајте како користити виртуално окружење Питхон-аБез обзира да ли сте искусни Питхон програмер или тек започињете, учење како да подесите виртуелно окружење од суштинског је значаја за сваки Питхон пројекат. Опширније , овде модификујте свој код да бисте то одразили.

Тестирање ТенсорФлов

Једном када је инсталиран, можете тестирати да ли ради са еквивалентом ТенсорФлов од Здраво Свете!

Из командне линије креирајте нову Питхон скрипту користећи нано или вим (Ако нисте сигурни који ћете користити, обојица имају предности) и именовати га нечим лако памтљивим.

судо нано тфтест.пи. 

Унесите овај код који вам је пружио Гоогле за тестирање ТенсорФлов-а:

увоз тенсорфлов као тф. хелло = тф.цонстант ('Здраво, ТенсорФлов!') сесс = тф. Седница() принт (сесс.рун (здраво))

Ако користите нано, излазите притиском на Цтрл + Кс и сачувајте датотеку куцањем И када то буде затражено.

Покрените код са терминала:

питхон3 тфтест.пи. 

Требали би видети штампано „Здраво, ТенсорФлов“.

Ако користите Питхон 3.5, добићете неколико упозорења током извршавања. Званични водичи ТенсорФлова признају да се то дешава и препоручују вам да га игноришете.

Функционише! Сада да урадим нешто занимљиво са ТенсорФловом.

Инсталирање класификатора слике

На терминалу креирајте директориј за пројекат у вашем кућном директорију и идите у њега.

мкдир тф1. ЦД тф1. 

ТенсорФлов има гит складиште са примерима модела које треба испробати. Клонирајте складиште у нову директоријум:

гит клон https://github.com/tensorflow/models.git. 

Желите да користите пример класификације слика, који можете пронаћи на модели / туторијали / имаге / имагенет. Идите одмах до те мапе:

ЦД модели / туторијали / имаге / имагенет. 

Стандардна скрипта за класификацију слике ради са датој слици панде:

Да бисте покренули стандардни класификатор слике са приложеном сликом панде, унесите:

питхон3 цлассифи_имаге.пи. 

Ово уноси слику панде у неуронску мрежу, која враћа нагађања о томе која је слика вредна по њеном нивоу сигурности.

Као што показује излазна слика, неуронска мрежа је правилно претпоставила, са готово 90 проценатном сигурношћу. Такође је мислила да слика може садржавати јабуку са кремом, али није била баш сигурна у тај одговор.

Коришћење прилагођене слике

Слика панде доказује да ТенсорФлов функционише, али то можда није изненађујуће обзиром да је то пример који пројекат пружа. За бољи тест, можете дати своју слику неуралној мрежи ради класификације.

У овом случају видећете да ли неуронска мрежа ТенсорФлов може препознати Георга.

Упознај Георгеа. Георге је диносаурус. Да бисте прихватили ову слику (доступно у исеченом облику) овде) у неуронску мрежу, додајте аргументе приликом покретања скрипте.

питхон3 цлассифи_имаге.пи --имаге_филе = / хоме / пи / георге.јпг. 

Тхе имаге_филе = праћење имена скрипте омогућава додавање било које слике путем. Погледајмо како се радила ова неуронска мрежа.

Није лоше! Иако Георге није трицератопс, неуронска мрежа је класификовала слику као диносауруса са високим степеном сигурности у поређењу с другим опцијама.

ТенсорФлов и Распберри Пи, спремни за почетак

Ова основна примена ТенсорФлов-а већ има потенцијала. Ово препознавање објекта догађа се на Пи-у и не треба му веза са Интернетом да би функционисала. То значи да са додатком а Распберри Пи модул камере и а Распберри Пи-одговарајућа батеријска јединица, цео пројекат би могао да буде преносив.

Већина туторијала греба само површину предмета, али никада није била истинитија него у овом случају. Машинско учење је невероватно густ предмет.

Један од начина да проширите своје знање било би похађање наменског курса Ови курсеви машинског учења за вас ће припремити пут каријереОви одлични курсеви машинског учења на мрежи помоћи ће вам да разумете вештине потребне за започињање каријере у машинском учењу и вештачкој интелигенцији. Опширније . У међувремену, бавите се машинским учењем и Распберри Пи са овим ТенсорФлов пројектима које можете сами испробати.