פרסומת
TensorFlow היא ספריית הרשת העצבית של גוגל. בהתחשב בכך שלימוד מכונות הוא הדבר החם ביותר כרגע, אין זה פלא שגוגל היא בין המובילות בתחום הטכנולוגיה החדשה הזו.
במאמר זה תלמד כיצד להתקין TensorFlow על ה- Raspberry Pi ולהריץ סיווג תמונות פשוט ברשת עצבית מאומנת מראש.
מתחילים
כדי להתחיל בזיהוי תמונות, תזדקק ל- Raspberry Pi (כל דגם יעבוד) וכרטיס SD עם מערכת ההפעלה Raspbian Stretch (9.0+) (אם אתה חדש ב- Raspberry Pi, השתמש ב מדריך התקנה).
אתחל את ה- Pi ופתח חלון מסוף. וודא שה- Pi שלך מעודכן ובדוק את גרסת הפייתון שלך.
עדכון sudo מתאים לקבל. פיתון - היפוך. python3 - היפוךאתה יכול להשתמש בשני Python 2.7 או Python 3.4+ עבור הדרכה זו. דוגמה זו מיועדת לפייתון 3. עבור פייתון 2.7, החלף Python3 עם פייתון, ו pip3 עם pip לאורך הדרכה זו.
Pip הוא מנהל חבילות עבור Python, המותקן בדרך כלל כסטנדרט בהפצות לינוקס.
אם אתה מגלה שאין לך את זה, עקוב אחר התקן להוראות לינוקס כיצד להתקין Python PIP ב- Windows, Mac ו- Linuxמפתחים רבים של Python מסתמכים על כלי שנקרא PIP עבור Python כדי לייעל את הפיתוח. להלן התקנת Python PIP. קרא עוד במאמר זה כדי להתקין אותו.
התקנת TensorFlow
התקנת TensorFlow הייתה בעבר תהליך די מתסכל, אך עדכון עדכני הופך את זה לפשוט להפליא. אמנם אתה יכול לעקוב אחר הדרכה זו ללא כל ידע מוקדם, אך ייתכן שווה להבין את יסודות למידת מכונה לפני שאתה מנסה את זה.
לפני התקנת TensorFlow, התקן את ה- אטלס ספריה.
sudo apt להתקין libatlas-base-devלאחר סיום התקנת TensorFlow דרך pip3
להתקין pip3 - זרם המשתמשזה יתקין TensorFlow עבור המשתמש המחובר. אם אתה מעדיף להשתמש ב סביבה וירטואלית למדו כיצד להשתמש בסביבה הווירטואלית של פייתוןבין אם אתה מפתח Python מנוסה, או שאתה רק מתחיל, ללמוד כיצד להגדיר סביבה וירטואלית חיוני לכל פרויקט Python. קרא עוד , שנה את הקוד שלך כאן כדי לשקף זאת.
בדיקת TensorFlow
לאחר התקנתו, תוכלו לבדוק אם הוא עובד עם המקבילה TensorFlow של a שלום עולם!
משורת הפקודה צור סקריפט חדש של פייתון באמצעות ננו או vim (אם אינך בטוח באיזה מהן להשתמש, לשניהם יתרונות) וקראו לזה משהו שקל לזכור.
sudo nano tftest.py. הזן קוד זה, שסופק על ידי Google לבדיקת TensorFlow:
יבוא זרימת טנסור בתור tf. hello = tf.constant ('שלום, TensorFlow!') מושב = tf. מושב () הדפס (sess.run (שלום))אם אתה משתמש בננו, צא בלחיצה על Ctrl + X ושמור את הקובץ שלך על ידי הקלדה י כאשר תתבקש.
הרץ את הקוד מהטרמינל:
python3 tftest.py. אתה אמור לראות את "שלום, TensorFlow" מודפס.
אם אתה מפעיל את Python 3.5, תקבל מספר אזהרות זמן ריצה. הדרכות הרשמיות של TensorFlow מכירות בכך שזה קורה, וממליצות לך להתעלם מכך.
זה עובד! עכשיו לעשות משהו מעניין עם TensorFlow.
התקנת מסווג התמונות
בטרמינל, צור ספרייה לפרויקט בספרייה הביתית ונווט לתוכו.
mkdir tf1. CD tf1. ל- TensorFlow יש מאגר GIT עם דגמים לדוגמא לנסות זאת. שיבוט המאגר לספרייה החדשה:
שיבוט גיט https://github.com/tensorflow/models.git. אתה רוצה להשתמש בדוגמה של סיווג תמונות, אשר ניתן למצוא בכתובת דגמים / הדרכות / תמונה / imagenet. נווט לתיקיה זו כעת:
דגמי תקליטורים / הדרכות / תמונה / imagenet. התסריט לסיווג תמונות רגיל פועל עם תמונה מסופקת של פנדה:
להפעלת מסווג התמונות הסטנדרטי עם תמונת הפנדה המסופקת, הזן:
python3 classify_image.py. זה מזין תמונה של פנדה לרשת העצבית, המחזירה ניחושים מהי התמונה עם ערך לרמת הוודאות שלה.
כפי שמראה תמונת הפלט, הרשת העצבית ניחשה נכון, בוודאות של כמעט 90 אחוז. היא גם חשבה שהתמונה עשויה להכיל תפוח רפרפה, אך היא לא הייתה בטוחה מאוד בתשובה זו.
שימוש בתמונה מותאמת אישית
תמונת הפנדה מוכיחה כי TensorFlow עובד, אך זה אולי לא מפתיע בהתחשב בכך שהיא הדוגמא שהפרויקט מספק. למבחן טוב יותר, אתה יכול לתת תמונה משלך לרשת העצבית לסיווג.
במקרה זה, תראה אם הרשת העצבית TensorFlow יכולה לזהות את ג'ורג '.
הכירו את ג'ורג '. ג'ורג 'הוא דינוזאור. להזנת תמונה זו (זמינה בצורה קצוצה פה) לרשת העצבית, הוסף טיעונים בעת הפעלת הסקריפט.
python3 classify_image.py --image_file = / home / pi / george.jpg. ה image_file = ביצוע שם הסקריפט מאפשר להוסיף כל תמונה לפי נתיב. בוא נראה איך הרשת העצבית הזו עשתה זאת.
לא רע! בעוד שג'ורג 'אינו טריצרטופס, הרשת העצבית סיווגה את הדימוי לדינוזאור בדרגת וודאות גבוהה בהשוואה לאופציות האחרות.
TensorFlow ו- Raspberry Pi, מוכנים ללכת
ליישום בסיסי זה של TensorFlow יש כבר פוטנציאל. זיהוי אובייקט זה מתרחש ב- Pi, ואינו זקוק לחיבור אינטרנט כדי לתפקד. המשמעות היא שתוספת של א מודול מצלמת Raspberry Pi ו Raspberry Pi יחידת סוללה מתאימה, כל הפרויקט יכול להיות נייד.
רוב המדריכים מגרדים רק את פני הנושא, אך הוא מעולם לא היה נכון יותר מאשר במקרה זה. למידת מכונה היא נושא צפוף להפליא.
אחת הדרכים להרחיק את הידע שלך תהיה על ידי לוקח קורס ייעודי קורסים אלה למידת מכונות מכינים עבורך מסלול קריירהקורסי לימוד מכונה מקוונים מעולים אלה יסייעו לכם להבין את הכישורים הדרושים כדי להתחיל קריירה בלימוד מכונות ובינה מלאכותית. קרא עוד . בינתיים, קבל ידיים עם למידת מכונה ואת ה- Raspberry Pi עם פרויקטים אלה של TensorFlow שתוכלו לנסות בעצמכם.
איאן בקלי הוא עיתונאי, מוזיקאי, פרפורמר ומפיק וידיאו פרילנסר המתגורר בברלין, גרמניה. כשהוא לא כותב ולא עולה לבמה, הוא מתעסק באלקטרוניקה או קוד עשה זאת בעצמך בתקווה להפוך למדען מטורף.