Machine learning-software tensorflow installeren op Raspberry Pi

Machine learning en kunstmatige intelligentie zijn tegenwoordig de trending topics in de industrieën en we zien hun toenemende betrokkenheid bij de lancering van elk nieuw elektronisch apparaat. Bijna elke toepassing van informatica-engineering maakt gebruik van Machine Learning voor het analyseren en voorspellen van de toekomstige resultaten. Er zijn al veel apparaten op de markt die gebruik maken van de kracht van machine learning en kunstmatige intelligentie, zoals de camera van de smartphone AI-functies gebruikt voor gezichtsdetectie en de schijnbare leeftijd aan de hand van gezichtsherkenning.

Het is geen verrassing dat Google een van de pioniers is in deze technologie. Google heeft al veel ML- en AI-frameworks gemaakt die we eenvoudig kunnen implementeren in onze applicaties. TensorFlow is een van de bekende open source neurale netwerkbibliotheken van Google die wordt gebruikt in machine learning-toepassingen zoals beeldclassificatie, objectdetectie, enz.

In de komende jaren zullen we meer gebruik maken van AI te zien in ons dagelijks leven en AI in staat om uw dagelijkse taken zoals het bestellen kruidenier hanteren online zal zijn, het besturen van een auto, de controle van uw huishoudelijke apparaten etc. Dus, waarom we achtergelaten om wat te benutten machine algoritmen op draagbare apparaten zoals Raspberry Pi.

In deze tutorial leren we hoe we TensorFlow op Raspberry Pi kunnen installeren en laten we enkele voorbeelden zien met eenvoudige beeldclassificatie op een vooraf getraind neuraal netwerk. We gebruikten Raspberry Pi eerder voor andere beeldverwerkingstaken zoals optische tekenherkenning, gezichtsherkenning, nummerplaathetectie enz.

Vereisten

1. Raspberry Pi met Raspbian OS erin geïnstalleerd (SD-kaart ten minste 16 GB)
2. Werkende internetverbinding

Hier zullen we SSH gebruiken om toegang te krijgen tot Raspberry Pi op de laptop. U kunt VNC of Remote Desktop-verbinding op de laptop gebruiken, of uw Raspberry pi verbinden met een monitor. Lees hier meer over het headless instellen van Raspberry Pi zonder monitor.

Raspberry pi, dat een draagbaar en minder stroom verbruikend apparaat is, wordt gebruikt in veel real-time beeldverwerkingstoepassingen zoals gezichtsherkenning, objecttracering, huisbeveiligingssysteem, bewakingscamera enz. Elk met behulp van Computer Vision-software zoals OpenCV met Raspberry Pi, er kunnen veel krachtige beeldverwerkingstoepassingen worden gebouwd.

In het verleden was het installeren van TensorFlow nogal een moeilijke klus, maar de recente bijdrage van ML- en AI-ontwikkelaars maakte het heel eenvoudig en nu kan het worden geïnstalleerd met slechts een paar commando's. Als je wat basisprincipes van machine learning en deep learning kent, is het handig om te weten wat er in het neurale netwerk gebeurt. Maar zelfs als het Machine learning-domein nieuw voor u is, is er geen probleem, u kunt nog steeds doorgaan met de zelfstudie en enkele voorbeeldprogramma's gebruiken om het te leren.

TensorFlow installeren in Raspberry Pi

Hieronder staan ​​de stappen voor het installeren van TensorFlow in Raspberry pi:

Stap 1: Voordat u TensorFlow in Raspberry Pi installeert, moet u eerst het Raspbian-besturingssysteem bijwerken en upgraden met de volgende opdrachten

sudo apt-get update sudo apt-get upgrade

Stap 2: Installeer vervolgens de Atlas- bibliotheek om ondersteuning te krijgen voor de Numpy en andere afhankelijkheden.

sudo apt libatlas-base-dev installeren

Stap 3: Als dat is voltooid, installeert u TensorFlow via pip3 met de onderstaande opdracht

pip3 installeer tensorflow

Het zal even duren om de TensorFlow te installeren. Als je tijdens het installeren een fout tegenkomt, probeer het dan opnieuw met de bovenstaande opdracht.

Stap 4: Na een succesvolle installatie van TensorFlow, zullen we controleren of het correct is geïnstalleerd met behulp van een klein Hello world- programma. Om dat te doen Open de nano- teksteditor met de onderstaande opdracht:

sudo nano tfcheck.py

En kopieer en plak onderstaande regels in de nano- terminal en sla het op met ctrl + x en druk op enter.

importeer tensorflow als tf hello = tf.constant ('Hallo, TensorFlow!') sess = tf.Session () print (sess.run (hallo))

Stap 5: Voer dit script nu uit in de terminal met behulp van de onderstaande opdracht

python3 tfcheck.py

Als alle pakketten correct zijn geïnstalleerd, ziet u een Hello Tensorflow! bericht in de laatste regel zoals hieronder getoond, negeer alle waarschuwingen.

Het werkt prima en nu gaan we iets interessants doen met TensorFlow en je hoeft geen kennis te hebben van Machine learning en deep learning om dit project te doen. Hier wordt een afbeelding ingevoerd in een vooraf gebouwd model en TensorFlow zal de afbeelding identificeren. TensorFlow geeft de dichtstbijzijnde waarschijnlijkheid van wat er in de afbeelding staat.

Image Classifier installeren op Raspberry Pi voor beeldherkenning

Stap 1: - Maak een directory en navigeer naar de directory met de onderstaande commando's.

mkdir tf cd tf

Stap 2: - Download nu de modellen die beschikbaar zijn op de TensorFlow GIT-repository. Kloon de repository in de tf- directory met behulp van het onderstaande commando

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

Dit kost wat tijd om te installeren en het is groot van formaat, dus zorg ervoor dat je voldoende dataplan hebt.

Stap 3: - We zullen een voorbeeld van beeldclassificatie gebruiken dat te vinden is in models / tutorials / image / imagenet. Navigeer naar deze map met de onderstaande opdracht

cd-modellen / tutorials / image / imagenet

Stap 4: - Voer nu een afbeelding in het vooraf gebouwde neurale netwerk in met behulp van het onderstaande commando.

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

Vervang image_file_name door de afbeelding die je moet invoeren en druk op enter.

Hieronder staan ​​enkele voorbeelden van het detecteren en herkennen van afbeeldingen met TensorFlow.

Niet slecht! het neurale net classificeerde het beeld met een hoge mate van zekerheid als een Egyptische kat in vergelijking met de andere opties.

In alle bovenstaande voorbeelden zijn de resultaten redelijk goed en de TensorFlow kan de afbeeldingen gemakkelijk classificeren met de grote zekerheid. U kunt dit proberen met uw aangepaste afbeeldingen.

Als je enige kennis hebt van machine learning, kan het objectdetectie op dit platform uitvoeren met behulp van enkele bibliotheken.

/>