Installation der Software für maschinelles Lernen Tensorflow auf Himbeer-Pi

Maschinelles Lernen und künstliche Intelligenz sind heutzutage die Trendthemen in der Branche, und wir können sehen, dass sie zunehmend an der Einführung jedes neuen elektronischen Geräts beteiligt sind. Nahezu jede Anwendung der Informatik nutzt maschinelles Lernen zur Analyse und Vorhersage der zukünftigen Ergebnisse. Es gibt bereits viele Geräte auf dem Markt, die die Möglichkeiten des maschinellen Lernens und der künstlichen Intelligenz nutzen, wie die Kamera des Smartphones AI-fähige Funktionen zur Gesichtserkennung verwendet und das scheinbare Alter anhand der Gesichtserkennung ermittelt.

Es ist keine Überraschung, dass Google einer der Pioniere dieser Technologie ist. Google hat bereits viele ML- und AI-Frameworks erstellt, die wir problemlos in unsere Anwendungen implementieren können. TensorFlow ist eine der bekanntesten Open-Source-Bibliotheken für neuronale Netze von Google, die in Anwendungen für maschinelles Lernen wie Bildklassifizierung, Objekterkennung usw. verwendet wird.

In den kommenden Jahren werden wir in unserem täglichen Leben mehr KI einsetzen und KI wird in der Lage sein, Ihre täglichen Aufgaben wie Online-Bestellung von Lebensmitteln, Autofahren, Steuerung Ihrer Haushaltsgeräte usw. zu erledigen. Warum haben wir also eine Maschine ausgenutzt ? Algorithmen auf tragbaren Geräten wie Raspberry Pi.

In diesem Tutorial lernen wir, wie TensorFlow auf Raspberry Pi installiert wird, und zeigen einige Beispiele mit einfacher Bildklassifizierung in einem vorab trainierten neuronalen Netzwerk. Wir haben Raspberry Pi zuvor für andere Bildverarbeitungsaufgaben wie optische Zeichenerkennung, Gesichtserkennung, Nummernschilderkennung usw. verwendet.

Bedarf

1. Raspberry Pi mit installiertem Raspbian-Betriebssystem (SD-Karte mindestens 16 GB)
2. Funktionierende Internetverbindung

Hier verwenden wir SSH, um auf Raspberry Pi auf dem Laptop zuzugreifen. Sie können eine VNC- oder Remotedesktopverbindung auf dem Laptop verwenden oder Ihren Raspberry pi mit einem Monitor verbinden. Erfahren Sie hier mehr über das kopflose Einrichten von Raspberry Pi ohne Monitor.

Raspberry pi ist ein tragbares und weniger stromverbrauchendes Gerät und wird in vielen Echtzeit-Bildverarbeitungsanwendungen wie Gesichtserkennung, Objektverfolgung, Haussicherungssystem, Überwachungskamera usw. verwendet. Es können viele leistungsstarke Bildverarbeitungsanwendungen erstellt werden.

In der Vergangenheit war die Installation von TensorFlow eine ziemlich schwierige Aufgabe, aber der jüngste Beitrag von ML- und AI-Entwicklern machte es sehr einfach und jetzt kann es nur mit wenigen Befehlen installiert werden. Wenn Sie einige Grundlagen des maschinellen Lernens und des Tiefenlernens kennen, ist es hilfreich zu wissen, was im neuronalen Netzwerk vor sich geht. Aber selbst wenn Sie neu in der Domäne des maschinellen Lernens sind, gibt es kein Problem. Sie können das Lernprogramm dennoch fortsetzen und einige Beispielprogramme verwenden, um es zu lernen.

TensorFlow in Raspberry Pi installieren

Im Folgenden finden Sie die Schritte zum Installieren von TensorFlow in Raspberry pi:

Schritt 1: Bevor Sie TensorFlow in Raspberry Pi installieren, aktualisieren und aktualisieren Sie zuerst das Raspbian-Betriebssystem mit den folgenden Befehlen

sudo apt-get update sudo apt-get upgrade

Schritt 2: Installieren Sie anschließend die Atlas- Bibliothek, um Unterstützung für Numpy und andere Abhängigkeiten zu erhalten.

sudo apt install libatlas-base-dev

Schritt 3: Wenn dies abgeschlossen ist, installieren Sie TensorFlow über pip3 mit dem folgenden Befehl

pip3 installiert tensorflow

Die Installation des TensorFlow dauert einige Zeit. Wenn bei der Installation ein Fehler auftritt, wiederholen Sie den Vorgang einfach mit dem obigen Befehl.

Schritt 4: Nach erfolgreicher Installation von TensorFlow überprüfen wir mithilfe eines kleinen Hello World- Programms, ob es ordnungsgemäß installiert wurde. Öffnen Sie dazu den Nano- Texteditor mit dem folgenden Befehl:

sudo nano tfcheck.py

Und Kopieren, Einfügen unter Zeilen im Nano- Terminal und Speichern mit Strg + x und Drücken der Eingabetaste.

Tensorflow importieren als tf hello = tf.constant ('Hallo, TensorFlow!') sess = tf.Session () print (sess.run (hallo))

Schritt 5: Führen Sie nun dieses Skript mit dem folgenden Befehl im Terminal aus

python3 tfcheck.py

Wenn alle Pakete ordnungsgemäß installiert sind, wird ein Hello Tensorflow angezeigt! Meldung in der letzten Zeile wie unten gezeigt, ignorieren Sie alle Warnungen.

Es funktioniert gut und jetzt werden wir mit TensorFlow etwas Interessantes machen und Sie müssen keine Kenntnisse über maschinelles Lernen und tiefes Lernen haben, um dieses Projekt durchzuführen. Hier wird ein Bild in ein vorgefertigtes Modell eingespeist und TensorFlow identifiziert das Bild. TensorFlow gibt die nächstgelegene Wahrscheinlichkeit für das Bild an.

Installieren von Image Classifier auf Raspberry Pi zur Bilderkennung

Schritt 1: - Erstellen Sie ein Verzeichnis und navigieren Sie mit den folgenden Befehlen zum Verzeichnis.

mkdir tf cd tf

Schritt 2: - Laden Sie jetzt die Modelle herunter, die im TensorFlow GIT-Repository verfügbar sind. Klonen Sie das Repository mit dem folgenden Befehl in das Verzeichnis tf

Git-Klon https://github.com/tensorflow/models.git

Die Installation dauert einige Zeit und ist groß. Stellen Sie daher sicher, dass Sie über einen ausreichenden Datenplan verfügen.

Schritt 3: - Wir verwenden ein Beispiel für die Bildklassifizierung, das Sie in models / tutorials / image / imagenet finden. Navigieren Sie mit dem folgenden Befehl zu diesem Ordner

CD-Modelle / Tutorials / Bild / Bild

Schritt 4: - Geben Sie nun mit dem folgenden Befehl ein Bild in das vorgefertigte neuronale Netzwerk ein.

python3 classify_image.py --image_file = / home / pi / image_file_name

Ersetzen Sie image_file_name durch das Bild, das Sie füttern müssen, und drücken Sie die Eingabetaste.

Im Folgenden finden Sie einige Beispiele zum Erkennen und Erkennen von Bildern mit TensorFlow.

Nicht schlecht! Das neuronale Netz klassifizierte das Bild als ägyptische Katze mit einem hohen Maß an Sicherheit im Vergleich zu den anderen Optionen.

In allen obigen Beispielen sind die Ergebnisse ziemlich gut und der TensorFlow kann die Bilder mit größter Sicherheit leicht klassifizieren. Sie können dies mit Ihren benutzerdefinierten Bildern versuchen.

Wenn Sie über Kenntnisse des maschinellen Lernens verfügen, kann es auf dieser Plattform mithilfe einiger Bibliotheken eine Objekterkennung durchführen.

/>