Inizia con il riconoscimento delle immagini usando TensorFlow e Raspberry Pi

Annuncio pubblicitario

TensorFlow è la libreria della rete neurale di Google. Dato che l'apprendimento automatico è la cosa più in voga attualmente, non sorprende che Google sia tra i leader in questa nuova tecnologia.

In questo articolo imparerai come installare TensorFlow su Raspberry Pi ed eseguire una semplice classificazione delle immagini su una rete neurale pre-allenata.

Iniziare

Per iniziare con il riconoscimento delle immagini, avrai bisogno di un Raspberry Pi (qualsiasi modello funzionerà) e una scheda SD con il sistema operativo Raspbian Stretch (9.0+) (se non conosci Raspberry Pi, usa il nostro guida d'installazione).

Avviare il Pi e aprire una finestra del terminale. Assicurati che il tuo Pi sia aggiornato e controlla la tua versione di Python.

sudo apt-get update. python --version. python3 --version

È possibile utilizzare sia Python 2.7 o Python 3.4+ per questo tutorial. Questo esempio è per Python 3. Per Python 2.7, sostituire python3 con Pitone, e PIP3 con seme durante questo tutorial.

Pip è un gestore di pacchetti per Python, solitamente installato come standard nelle distribuzioni Linux.

Se scopri di non averlo, segui il installa per le istruzioni di Linux Come installare Python PIP su Windows, Mac e LinuxMolti sviluppatori Python fanno affidamento su uno strumento chiamato PIP per Python per semplificare lo sviluppo. Ecco come installare Python PIP. Leggi di più in questo articolo per installarlo.

Installazione di TensorFlow

L'installazione di TensorFlow era un processo piuttosto frustrante, ma un recente aggiornamento lo rende incredibilmente semplice. Sebbene sia possibile seguire questo tutorial senza alcuna conoscenza preliminare, potrebbe valere la pena comprenderlo basi dell'apprendimento automatico prima di provarlo.

Prima di installare TensorFlow, installare il Atlante biblioteca.

sudo apt installa libatlas-base-dev

Al termine, installare TensorFlow tramite pip3

installazione pip3 - utente tensorflow

Ciò installerà TensorFlow per l'utente che ha effettuato l'accesso. Se preferisci usare a ambiente virtuale Scopri come utilizzare l'ambiente virtuale PythonChe tu sia uno sviluppatore Python esperto o che tu abbia appena iniziato, imparare a configurare un ambiente virtuale è essenziale per qualsiasi progetto Python. Leggi di più , modifica qui il tuo codice per riflettere questo.

Test TensorFlow

Una volta installato, è possibile verificare se funziona con l'equivalente TensorFlow di a Ciao mondo!

Dalla riga di comando creare un nuovo script Python utilizzando nano o vim (Se non sei sicuro di quale utilizzare, entrambi hanno dei vantaggi) e nominalo come qualcosa da ricordare.

sudo nano tftest.py. 

Inserisci questo codice, fornito da Google per il test di TensorFlow:

import tensorflow come tf. hello = tf.constant ('Hello, TensorFlow!') sess = tf. Sessione() stampa (sess.run (ciao))

Se si utilizza nano, uscire premendo Ctrl + X e salva il tuo file digitando Y quando richiesto.

Esegui il codice dal terminale:

python3 tftest.py. 

Dovresti vedere "Hello, TensorFlow" stampato.

Se stai eseguendo Python 3.5, riceverai diversi avvisi di runtime. I tutorial ufficiali di TensorFlow riconoscono che ciò accade e ti raccomandano di ignorarlo.

Funziona! Ora per fare qualcosa di interessante con TensorFlow.

Installazione di Image Classifier

Nel terminale, crea una directory per il progetto nella tua home directory e naviga al suo interno.

mkdir tf1. cd tf1. 

TensorFlow ha un repository git con modelli di esempio da provare. Clonare il repository nella nuova directory:

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

Si desidera utilizzare l'esempio di classificazione delle immagini, che è disponibile all'indirizzo modelli / tutorial / immagine / IMAGEnet. Passa a quella cartella ora:

modelli cd / tutorial / immagine / imagenet. 

Lo script di classificazione delle immagini standard viene eseguito con un'immagine fornita di un panda:

Per eseguire il classificatore di immagini standard con l'immagine di panda fornita, immettere:

python3 classify_image.py. 

Questo alimenta l'immagine di un panda alla rete neurale, che restituisce ipotesi su ciò che l'immagine ha un valore per il suo livello di certezza.

Come mostra l'immagine in uscita, la rete neurale ha indovinato correttamente, con una certezza di quasi il 90 percento. Pensava anche che l'immagine potesse contenere una crema pasticcera, ma non era molto sicura di quella risposta.

Utilizzando un'immagine personalizzata

L'immagine del panda dimostra che TensorFlow funziona, ma forse non sorprende dato che è l'esempio fornito dal progetto. Per un test migliore, puoi dare la tua immagine alla rete neurale per la classificazione.

In questo caso, vedrai se la rete neurale TensorFlow è in grado di identificare George.

Incontra George. George è un dinosauro. Per alimentare questa immagine (disponibile in forma ritagliata Qui) nella rete neurale, aggiungere argomenti durante l'esecuzione dello script.

python3 classify_image.py --image_file = / home / pi / george.jpg. 

Il file_immagine = seguire il nome dello script consente di aggiungere qualsiasi immagine per percorso. Vediamo come ha fatto questa rete neurale.

Non male! Mentre George non è un triceratopo, la rete neurale ha classificato l'immagine come un dinosauro con un alto grado di certezza rispetto alle altre opzioni.

TensorFlow e Raspberry Pi, pronti all'uso

Questa implementazione di base di TensorFlow ha già un potenziale. Questo riconoscimento degli oggetti sta avvenendo sul Pi e non ha bisogno di una connessione Internet per funzionare. Ciò significa che con l'aggiunta di a Modulo videocamera Raspberry Pi e a Batteria compatibile con Raspberry Pi, l'intero progetto potrebbe diventare portatile.

La maggior parte dei tutorial graffia solo la superficie di un soggetto, ma non è mai stato più vero che in questo caso. L'apprendimento automatico è un argomento incredibilmente denso.

Un modo per approfondire le tue conoscenze sarebbe attraverso frequentando un corso dedicato Questi corsi di apprendimento automatico prepareranno un percorso di carriera per teQuesti eccellenti corsi di apprendimento automatico online ti aiuteranno a comprendere le competenze necessarie per iniziare una carriera nell'apprendimento automatico e nell'intelligenza artificiale. Leggi di più . Nel frattempo, mettiti alla prova con l'apprendimento automatico e il Raspberry Pi con questi progetti TensorFlow che puoi provare tu stesso.