Inizia con il riconoscimento delle immagini usando TensorFlow e Raspberry Pi
Annuncio pubblicitario
TensorFlow è la libreria di rete neurale di Google. Dato che l'apprendimento automatico è la cosa più in voga attualmente, non sorprende che Google sia tra i leader di 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 la nostra guida all'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, sostituisci Python3 con Python e pip3 con pip in questo tutorial.
Pip è un gestore di pacchetti per Python, solitamente installato come standard nelle distribuzioni Linux.
Se scopri di non averlo, segui le istruzioni di installazione per Linux Come installare Python PIP su Windows, Mac e Linux Come installare Python PIP su Windows, Mac e Linux Molti sviluppatori Python si affidano a uno strumento chiamato PIP per Python per rendere tutto più semplice e veloce. Ecco come installare Python PIP. Maggiori informazioni 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 comprendere le basi dell'apprendimento automatico prima di provarlo.
Prima di installare TensorFlow, installare la libreria Atlas .
sudo apt install libatlas-base-dev Al termine, installare TensorFlow tramite pip3
pip3 install --user tensorflow Ciò installerà TensorFlow per l'utente che ha effettuato l'accesso. Se preferisci utilizzare un ambiente virtuale Scopri come utilizzare l'ambiente virtuale Python Scopri come utilizzare l'ambiente virtuale Python Sia che tu sia uno sviluppatore Python esperto o che tu abbia appena iniziato, imparare come 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 un mondo Hello!
Dalla riga di comando crea un nuovo script Python usando nano o vim (se non sei sicuro di quale usare, entrambi hanno dei vantaggi) e nominalo come qualcosa di facile da ricordare.
sudo nano tftest.py Inserisci questo codice, fornito da Google per il test di TensorFlow:
import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) Se si utilizza nano, uscire premendo Ctrl + X e salvare il 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:
git clone https://github.com/tensorflow/models.git Si desidera utilizzare l'esempio di classificazione delle immagini, che può essere trovato su modelli / tutorial / immagine / imagenet . Passa a quella cartella ora:
cd models/tutorials/image/imagenet Lo script standard di classificazione delle immagini 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 qui in forma ritagliata) nella rete neurale, aggiungi argomenti durante l'esecuzione dello script.
python3 classify_image.py --image_file=/home/pi/george.jpg Image_file = seguendo il nome dello script consente l'aggiunta di 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 un modulo fotocamera Raspberry Pi e un'unità batteria adatta 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 seguire un corso dedicato. Questi corsi di machine learning prepareranno per te un percorso di carriera Questi corsi di machine learning prepareranno un percorso di carriera per te Questi eccellenti corsi di machine learning online ti aiuteranno a comprendere le competenze necessarie per iniziare una carriera nel machine learning 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.
Ulteriori informazioni su: Google TensorFlow, Image Recognition, Raspberry Pi.
