Pagkilala sa Imahe Sa TensorFlow sa Raspberry Pi: 6 Hakbang

2025 May -akda: John Day | [email protected]. Huling binago: 2025-01-23 15:13

Ang Google TensorFlow ay isang Open-Source software Library para sa Numerical Computation na gumagamit ng mga graph ng daloy ng data. Ginagamit ito ng Google sa iba't ibang larangan ng Pag-aaral ng Machine at Mga Malalim na Teknolohiya sa Pagkatuto. Ang TensorFlow ay orihinal na binuo ng Google Brain Team at nai-publish ito sa pampublikong domain tulad ng GitHub.

Para sa higit pang mga tutorial bisitahin ang aming blog. Kumuha ng Raspberry Pi mula sa FactoryForward - Naaprubahang Reseller sa India.

Basahin ang tutorial na ito sa aming blog dito.

Hakbang 1: Pag-aaral ng Makina

Ang Pag-aaral ng Machine at Deep Learning ay sasailalim sa Artipisyal na Katalinuhan (AI). Ang isang Pag-aaral ng Makina ay susuriin at pag-aralan ang magagamit na data at pagbutihin ang mga resulta sa paglipas ng panahon.

Halimbawa: Tampok sa mga inirekumendang video sa YouTube. Nagpapakita ito ng mga nauugnay na video na tiningnan mo dati. Ang hula ay limitado sa mga resulta na batay lamang sa teksto. Ngunit ang malalim na pag-aaral ay maaaring lumalim kaysa dito.

Hakbang 2: Malalim na Pag-aaral

Ang malalim na pag-aaral ay halos kapareho nito, ngunit nakakagawa ito ng mas tumpak na desisyon sa sarili nito sa pamamagitan ng pagkolekta ng iba't ibang impormasyon ng isang bagay. Marami itong mga layer ng pagsusuri at kumukuha ng desisyon alinsunod dito. Upang mapabilis ang proseso, gumagamit ito ng Neural Network at nagbibigay sa amin ng mas eksaktong resulta na kailangan namin (nangangahulugang mas mahusay na hula kaysa sa ML). Isang bagay tulad ng kung paano nag-iisip ang isang utak ng tao at nagpapasiya.

Halimbawa: Pagtuklas ng object. Nakita nito kung ano ang magagamit sa isang imahe. Isang bagay na katulad na maaari mong makilala ang isang Arduino at Raspberry Pi sa pamamagitan ng hitsura, laki at Kulay nito.

Ito ay isang malawak na paksa at mayroong iba't ibang mga application.

Hakbang 3: Mga Paunang Kilalang

Inanunsyo ng TensorFlow ang opisyal na suporta para sa Raspberry Pi, mula sa Bersyon 1.9 susuportahan nito ang Raspberry Pi gamit ang pag-install ng pip package. Makikita natin kung paano ito mai-install sa aming Raspberry Pi sa tutorial na ito.

• Python 3.4 (inirerekumenda)
• Raspberry Pi
• Power Supply
• Raspbian 9 (Stretch)

Hakbang 4: I-update ang Iyong Raspberry Pi at Mga Pakete nito

Hakbang 1: I-update ang Iyong Raspberry Pi at ang mga package nito.

sudo apt-get update

sudo apt-get upgrade

Hakbang 2: Subukan na mayroon kang pinakabagong bersyon ng sawa, gamit ang utos na ito.

python3 –- pagbabalik ng loob

Inirerekumenda na magkaroon ng hindi bababa sa Python 3.4.

Hakbang 3: Kailangan naming mag-install ng libatlas library (ATLAS - Awtomatikong Nakatakda na Linear Algebra Software). Dahil ang TensorFlow ay gumagamit ng numpy. Kaya, i-install ito gamit ang sumusunod na utos

sudo apt i-install ang libatlas-base-dev

Hakbang 4: I-install ang TensorFlow gamit ang utos ng pag-install ng Pip3.

pip3 i-install ang tensorflow

Ngayon naka-install ang TensorFlow.

Hakbang 5: Paghula ng isang Imaheng Gamit ang Imagenet Model Halimbawa:

Nag-publish ang TensorFlow ng isang modelo upang mahulaan ang mga imahe. Kailangan mo munang i-download ang modelo pagkatapos ay patakbuhin ito.

Hakbang 1: Patakbuhin ang sumusunod na utos upang i-download ang mga modelo. Maaaring kailanganin mong i-install ang git.

git clone

Hakbang 2: Mag-navigate sa halimbawa ng imagenet.

mga modelo ng cd / tutorial / imahe / imagenet

Tip sa Pro: Sa bagong Raspbian Stretch, maaari mong makita ang manu-manong 'classify_image.py' file nang manu-mano at pagkatapos ay ang 'Pag-right click' dito. Piliin ang 'Mga Path ng Kopya'. Pagkatapos i-paste ito sa terminal pagkatapos ng 'cd' at pindutin ang enter. Sa pamamagitan ng paraang ito maaari kang mag-navigate nang mas mabilis nang walang anumang mga error (sa kaso ng pagkakamali sa pagbaybay o ang pangalan ng file ay binago sa mga bagong pag-update).

Gumamit ako ng pamamaraang 'Copy Path (s)' kaya't isasama nito ang eksaktong landas sa imahe (/ home / pi).

Hakbang 3: Patakbuhin ang halimbawa gamit ang utos na ito. Aabutin ng halos 30 segundo upang maipakita ang hinulaang resulta.

python3 classify_image.py

Hakbang 6: Pasadyang Pagtataya ng Imahe

Maaari ka ring mag-download ng isang imahe mula sa internet o gumamit ng iyong sariling kunan ng imahe sa iyong camera para sa mga hula. Para sa mas mahusay na mga resulta gumamit ng mas kaunting mga imahe ng memorya.

Upang magamit ang mga pasadyang imahe, gamitin ang sumusunod na paraan. Mayroon akong file ng imahe sa lokasyon na '/home/pi/Downloads/TensorImageTest1.jpg'. Palitan lamang ito ng lokasyon ng iyong file at pangalan. Gumamit ng 'Mga Kopya ng Landas' para sa mas madaling pag-navigate.

python3 classify_image.py --image_file = / home / pi / Downloads / TensorImageTest1..jpg

Maaari mo ring subukan ang iba pang mga halimbawa. Ngunit kailangan mong i-install ang mga kinakailangang mga pakete bago ang pagpapatupad. Saklaw namin ang ilang mga kagiliw-giliw na paksa ng TensorFlow sa mga paparating na tutorial.