- ข้อกำหนด
- การติดตั้ง TensorFlow ใน Raspberry Pi
- การติดตั้ง Image Classifier บน Raspberry Pi สำหรับ Image Recognition
การเรียนรู้ของเครื่องและปัญญาประดิษฐ์เป็นหัวข้อที่ได้รับความนิยมในอุตสาหกรรมปัจจุบันและเราสามารถเห็นการมีส่วนร่วมที่เพิ่มขึ้นของพวกเขากับการเปิดตัวอุปกรณ์อิเล็กทรอนิกส์ใหม่ ๆ เกือบทุกการประยุกต์ใช้วิศวกรรมวิทยาศาสตร์คอมพิวเตอร์ใช้Machine Learningเพื่อวิเคราะห์และทำนายผลลัพธ์ในอนาคต มีอุปกรณ์จำนวนมากในตลาดที่ใช้พลังของการเรียนรู้ของเครื่องและปัญญาประดิษฐ์เช่นกล้องของสมาร์ทโฟนใช้คุณสมบัติที่เปิดใช้งาน AI สำหรับการตรวจจับใบหน้าและบอกอายุที่ชัดเจนจากการตรวจจับใบหน้า
ไม่แปลกใจเลยที่ Google เป็นหนึ่งในผู้บุกเบิกเทคโนโลยีนี้ Google ได้สร้างเฟรมเวิร์ก ML และ AI มากมายที่เราสามารถนำไปใช้ในแอปพลิเคชันของเราได้อย่างง่ายดาย TensorFlow เป็นหนึ่งในไลบรารี Neural Network แบบโอเพ่นซอร์สของ Googleซึ่งใช้ในแอปพลิเคชันการเรียนรู้ของเครื่องเช่นการจำแนกรูปภาพการตรวจจับวัตถุ ฯลฯ
ในอีกไม่กี่ปีข้างหน้าเราจะเห็นการใช้ AI ในชีวิตประจำวันของเรามากขึ้นและ AI จะสามารถจัดการงานประจำวันของคุณได้เช่นสั่งซื้อของชำออนไลน์ขับรถควบคุมเครื่องใช้ไฟฟ้าภายในบ้านเป็นต้นเหตุใดเราจึงทิ้งเครื่องใช้ไฟฟ้า อัลกอริทึมในอุปกรณ์พกพาเช่นราสเบอร์รี่ Pi
ในบทช่วยสอนนี้เราจะเรียนรู้วิธีการติดตั้ง TensorFlow บน Raspberry Piและจะแสดงตัวอย่างบางส่วนพร้อมการจัดประเภทภาพอย่างง่ายบนเครือข่ายประสาทเทียมที่ได้รับการฝึกฝนมาก่อน ก่อนหน้านี้เราเคยใช้ Raspberry Pi สำหรับงานประมวลผลภาพอื่น ๆ เช่น Optical Character Recognition, Face Recognition, Number Plate Detection เป็นต้น
ข้อกำหนด
- Raspberry Pi พร้อม Raspbian OS ติดตั้งอยู่ (การ์ด SD อย่างน้อย 16 GB)
- การเชื่อมต่ออินเทอร์เน็ตที่ใช้งานได้
ที่นี่เราจะใช้ SSH เพื่อเข้าถึง Raspberry Pi บนแล็ปท็อป คุณสามารถใช้การเชื่อมต่อ VNC หรือเดสก์ท็อประยะไกลบนแล็ปท็อปหรือสามารถเชื่อมต่อ Raspberry pi กับจอภาพ เรียนรู้เพิ่มเติมเกี่ยวกับการตั้งค่า Raspberry Pi โดยไม่ต้องใช้จอภาพ
Raspberry pi เป็นอุปกรณ์พกพาและใช้พลังงานน้อยในแอปพลิเคชันการประมวลผลภาพแบบเรียลไทม์มากมายเช่นการจดจำใบหน้าการติดตามวัตถุระบบรักษาความปลอดภัยภายในบ้านกล้องเฝ้าระวังเป็นต้นโดยใช้ซอฟต์แวร์ Computer Vision เช่น OpenCV กับ Raspberry Pi สามารถสร้างแอพพลิเคชั่นประมวลผลภาพที่ทรงพลังมากมาย
ในอดีตการติดตั้ง TensorFlowเป็นงานที่ค่อนข้างยาก แต่การสนับสนุนล่าสุดของนักพัฒนา ML และ AI ทำให้มันง่ายมากและตอนนี้สามารถติดตั้งได้โดยใช้คำสั่งเพียงไม่กี่คำ หากคุณรู้พื้นฐานบางอย่างของการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกจะเป็นประโยชน์สำหรับคุณที่จะรู้ว่าเกิดอะไรขึ้นภายในเครือข่ายประสาทเทียม แต่แม้ว่าคุณจะยังใหม่กับโดเมน Machine learning ก็จะไม่มีปัญหาใด ๆ คุณยังคงสามารถใช้บทช่วยสอนต่อไปและใช้โปรแกรมตัวอย่างเพื่อเรียนรู้ได้
การติดตั้ง TensorFlow ใน Raspberry Pi
ด้านล่างนี้เป็นขั้นตอนในการติดตั้ง TensorFlow ใน Raspberry pi:
ขั้นตอนที่ 1:ก่อนติดตั้ง TensorFlow ใน Raspberry Pi ให้อัปเดตและอัปเกรด Raspbian OS ก่อนโดยใช้คำสั่งต่อไปนี้
sudo apt-get update sudo apt-get upgrade
ขั้นตอนที่ 2:จากนั้นติดตั้ง ไลบรารีAtlasเพื่อรับการสนับสนุนสำหรับ Numpy และการอ้างอิงอื่น ๆ
sudo apt ติดตั้ง libatlas-base-dev
ขั้นตอนที่ 3:เมื่อเสร็จแล้วให้ติดตั้ง TensorFlow ผ่าน pip3 โดยใช้คำสั่งด้านล่าง
pip3 ติดตั้ง tensorflow
จะต้องใช้เวลาในการติดตั้ง TensorFlow หากคุณพบข้อผิดพลาดขณะติดตั้งให้ลองอีกครั้งโดยใช้คำสั่งด้านบน
ขั้นตอนที่ 4:หลังจากติดตั้ง TensorFlow สำเร็จเราจะตรวจสอบว่าติดตั้งถูกต้องหรือไม่โดยใช้โปรแกรม Hello world ขนาดเล็ก ในการดำเนินการแก้ไขข้อความOpen nano โดยใช้คำสั่งด้านล่าง:
sudo nano tfcheck.py
และคัดลอกวางบรรทัดด้านล่างในเทอร์มินัล นาโน และบันทึกโดยใช้ ctrl + x แล้วกด Enter
นำเข้าเทนเซอร์โฟลว์เป็น tf hello = tf.constant ('สวัสดี TensorFlow!') sess = tf.Session () พิมพ์ (sess.run (สวัสดี))
ขั้นตอนที่ 5:ตอนนี้เรียกใช้สคริปต์นี้ในเทอร์มินัลโดยใช้คำสั่งด้านล่าง
python3 tfcheck.py
หากแพ็คเกจทั้งหมดติดตั้งอย่างถูกต้องคุณจะเห็น Hello Tensorflow! ข้อความในบรรทัดสุดท้ายตามที่แสดงด้านล่างให้ละเว้นคำเตือนทั้งหมด
มันใช้งานได้ดีและตอนนี้เราจะทำสิ่งที่น่าสนใจโดยใช้ TensorFlow และคุณไม่จำเป็นต้องมีความรู้เกี่ยวกับ Machine learning และการเรียนรู้เชิงลึกเพื่อทำโครงการนี้ ที่นี่รูปภาพจะถูกป้อนในโมเดลที่สร้างไว้ล่วงหน้าและ TensorFlow จะระบุรูปภาพ TensorFlow จะให้ความน่าจะเป็นที่ใกล้เคียงที่สุดกับสิ่งที่อยู่ในภาพ
การติดตั้ง Image Classifier บน Raspberry Pi สำหรับ Image Recognition
ขั้นตอนที่ 1: -สร้างไดเร็กทอรีและไปที่ไดเร็กทอรีโดยใช้คำสั่งด้านล่าง
mkdir tf cd tf
ขั้นตอนที่ 2: -ตอนนี้ดาวน์โหลดโมเดลที่มีอยู่ในที่เก็บ TensorFlow GIT โคลนที่เก็บลงในไดเร็กทอรี tf โดยใช้คำสั่งด้านล่าง
git clone https://github.com/tensorflow/models.git
การดำเนินการนี้จะใช้เวลาในการติดตั้งและมีขนาดใหญ่ดังนั้นโปรดตรวจสอบว่าคุณมีแผนข้อมูลที่เพียงพอ
ขั้นตอนที่ 3: -เราจะใช้ตัวอย่างการจัดหมวดหมู่รูปภาพซึ่งสามารถพบได้ใน โมเดล / แบบฝึกหัด / รูปภาพ / จินตนาการ ไปที่โฟลเดอร์นี้โดยใช้คำสั่งด้านล่าง
แบบจำลองซีดี / แบบฝึกหัด / รูปภาพ / จินตภาพ
ขั้นตอนที่ 4: -ตอนนี้ฟีดภาพในเครือข่ายประสาทเทียมที่สร้างไว้ล่วงหน้าโดยใช้คำสั่งด้านล่าง
python3 classify_image.py --image_file = / home / pi / image_file_name
แทนที่ image_file_name ด้วยรูปภาพที่คุณต้องป้อนแล้วกด Enter
ด้านล่างนี้คือตัวอย่างบางส่วนของการตรวจสอบและการรับรู้ภาพโดยใช้ TensorFlow
ไม่เลว! ตาข่ายประสาทจัดว่าภาพนี้เป็น แมวอียิปต์ที่ มีความแน่นอนสูงเมื่อเปรียบเทียบกับตัวเลือกอื่น ๆ
จากตัวอย่างทั้งหมดข้างต้นผลลัพธ์ค่อนข้างดีและ TensorFlow สามารถจำแนกภาพได้อย่างง่ายดายด้วยความมั่นใจอย่างใกล้ชิด คุณสามารถลองใช้รูปภาพที่ปรับแต่งเองได้
หากคุณมีความรู้เกี่ยวกับการเรียนรู้ของเครื่องก็สามารถทำการตรวจจับวัตถุบนแพลตฟอร์มนี้โดยใช้ไลบรารีบางส่วน
/>