სურათის ამოცნობა TensorFlow ჟოლოს პიზე: 6 ნაბიჯი

2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:19

Google TensorFlow არის ღია პროგრამული ბიბლიოთეკა ციფრული გამოთვლებისთვის, მონაცემთა ნაკადის გრაფიკების გამოყენებით. მას Google იყენებს მანქანათმცოდნეობისა და ღრმა სწავლების ტექნოლოგიების სხვადასხვა სფეროში. TensorFlow თავდაპირველად შეიქმნა Google Brain Team– ის მიერ და ის ქვეყნდება საზოგადოებრივ დომენზე, როგორიცაა GitHub.

მეტი გაკვეთილისთვის ეწვიეთ ჩვენს ბლოგს. მიიღეთ Raspberry Pi FactoryForward– დან - დამტკიცებული გამყიდველი ინდოეთში.

წაიკითხეთ ეს გაკვეთილი ჩვენს ბლოგზე აქ.

ნაბიჯი 1: მანქანათმცოდნეობა

მანქანათმცოდნეობა და ღრმა სწავლება დაექვემდებარება ხელოვნურ ინტელექტს (AI). მანქანათმცოდნეობა დააკვირდება და გაანალიზებს არსებულ მონაცემებს და აუმჯობესებს მის შედეგებს დროთა განმავლობაში.

მაგალითი: YouTube– ის რეკომენდებული ვიდეოების ფუნქცია. ის აჩვენებს შესაბამის ვიდეოებს, რომლებიც ადრე ნახეთ. პროგნოზი შემოიფარგლება მხოლოდ ტექსტით დაფუძნებული შედეგებით. მაგრამ ღრმა სწავლა შეიძლება ამაზე ღრმად წავიდეს.

ნაბიჯი 2: ღრმა სწავლა

ღრმა სწავლა თითქმის მსგავსია, მაგრამ ის უფრო ზუსტ გადაწყვეტილებას იღებს თავისთავად ობიექტის სხვადასხვა ინფორმაციის შეგროვებით. მას აქვს ანალიზის მრავალი ფენა და იღებს გადაწყვეტილებას მის მიხედვით. პროცესის დასაჩქარებლად ის იყენებს ნერვულ ქსელს და გვაძლევს უფრო ზუსტ შედეგს რაც გვჭირდებოდა (ნიშნავს უკეთეს პროგნოზს ვიდრე ML). რაღაც მსგავსი როგორ ფიქრობს და იღებს გადაწყვეტილებები ადამიანის ტვინი.

მაგალითი: ობიექტის ამოცნობა. ის ამოიცნობს რა არის შესაძლებელი სურათზე. მსგავსი რამ, რაც შეგიძლიათ განასხვავოთ არდუინოსა და ჟოლოს პიდან მისი გარეგნობით, ზომით და ფერებით.

ეს არის ფართო თემა და აქვს სხვადასხვა პროგრამები.

ნაბიჯი 3: წინაპირობები

TensorFlow– მა გამოაცხადა Raspberry Pi– ს ოფიციალური მხარდაჭერა, 1.9 ვერსიიდან იგი მხარს დაუჭერს Raspberry Pi– ს პიპ პაკეტის ინსტალაციის გამოყენებით. ჩვენ ვნახავთ, როგორ დავაყენოთ იგი ჩვენს Raspberry Pi– ზე ამ გაკვეთილში.

• პითონი 3.4 (რეკომენდირებულია)
• ჟოლო პი
• Ენერგიის წყარო
• Raspbian 9 (გაჭიმვა)

ნაბიჯი 4: განაახლეთ თქვენი Raspberry Pi და მისი პაკეტები

ნაბიჯი 1: განაახლეთ თქვენი Raspberry Pi და მისი პაკეტები.

sudo apt-get განახლება

sudo apt-get განახლება

ნაბიჯი 2: შეამოწმეთ, რომ თქვენ გაქვთ პითონის უახლესი ვერსია, ამ ბრძანების გამოყენებით.

პითონი 3 –- ვერსია

მიზანშეწონილია გქონდეთ მინიმუმ პითონი 3.4.

ნაბიჯი 3: ჩვენ უნდა დავაინსტალიროთ libatlas ბიბლიოთეკა (ATLAS - ავტომატურად დარეგულირებული ხაზოვანი ალგებრის პროგრამული უზრუნველყოფა). რადგან TensorFlow იყენებს numpy. ასე რომ, დააინსტალირეთ იგი შემდეგი ბრძანების გამოყენებით

sudo apt დააინსტალირეთ libatlas-base-dev

ნაბიჯი 4: დააინსტალირეთ TensorFlow Pip3 ინსტალაციის ბრძანების გამოყენებით.

pip3 დააინსტალირეთ tensorflow

ახლა TensorFlow არის დაინსტალირებული.

ნაბიჯი 5: სურათის პროგნოზირება Imagenet მოდელის მაგალითის გამოყენებით:

TensorFlow– მა გამოაქვეყნა მოდელი სურათების პროგნოზირებისთვის. თქვენ ჯერ უნდა გადმოწეროთ მოდელი და შემდეგ გაუშვათ.

ნაბიჯი 1: გაუშვით შემდეგი ბრძანება მოდელების ჩამოსატვირთად. შეიძლება დაგჭირდეთ git დაყენებული.

git კლონი

ნაბიჯი 2: გადადით imagenet მაგალითზე.

cd მოდელები/გაკვეთილები/image/imagenet

რჩევა: ახალი Raspbian Stretch– ზე შეგიძლიათ იპოვოთ ფაილი ‘classify_image.py’ ხელით და შემდეგ ‘მარჯვენა დაწკაპუნება’ მასზე. აირჩიეთ "ასლი გზა (ები)". შემდეგ ჩასვით ტერმინალში 'cd' და დააჭირეთ Enter. ამ გზით თქვენ შეგიძლიათ სწრაფად ნავიგაცია შეცდომების გარეშე (მართლწერის შეცდომის შემთხვევაში ან ფაილის სახელი შეიცვალა ახალ განახლებებში).

მე გამოვიყენე "ასლის ბილიკი (ები)" მეთოდი, ასე რომ ის მოიცავს სურათზე ზუსტ გზას (/home/pi).

ნაბიჯი 3: გაუშვით მაგალითი ამ ბრძანების გამოყენებით. დაახლოებით 30 წამი დასჭირდება პროგნოზირებული შედეგის ჩვენებას.

python3 classify_image.py

ნაბიჯი 6: პერსონალური სურათის პროგნოზირება

თქვენ ასევე შეგიძლიათ ჩამოტვირთოთ სურათი ინტერნეტიდან ან გამოიყენოთ თქვენი კამერაზე გადაღებული სურათი პროგნოზებისთვის. უკეთესი შედეგისთვის გამოიყენეთ ნაკლები მეხსიერების სურათები.

პერსონალური სურათების გამოსაყენებლად გამოიყენეთ შემდეგი გზა. მე მაქვს გამოსახულების ფაილი ადგილას ‘/home/pi/Downloads/TensorImageTest1.jpg’. უბრალოდ შეცვალეთ ეს თქვენი ფაილის ადგილმდებარეობით და სახელით. გამოიყენეთ "ასლი ბილიკი (ები)" უფრო ადვილი ნავიგაციისთვის.

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

თქვენ შეგიძლიათ სცადოთ სხვა მაგალითებიც. მაგრამ თქვენ უნდა დააინსტალიროთ საჭირო პაკეტები შესრულებამდე. ჩვენ გავაშუქებთ რამდენიმე საინტერესო TensorFlow თემას მომავალ გაკვეთილებში.