- Requisiti
- Installazione di TensorFlow in Raspberry Pi
- Installazione di Image Classifier su Raspberry Pi per il riconoscimento delle immagini
L'apprendimento automatico e l'intelligenza artificiale sono gli argomenti di tendenza nei settori oggigiorno e possiamo vedere il loro crescente coinvolgimento con il lancio di ogni nuovo dispositivo elettronico. Quasi ogni applicazione dell'ingegneria informatica utilizza l' apprendimento automatico per analizzare e prevedere i risultati futuri. Ci sono già molti dispositivi lanciati sul mercato che utilizzano il potere dell'apprendimento automatico e dell'intelligenza artificiale, come la fotocamera dello smartphone utilizza funzionalità abilitate dall'intelligenza artificiale per il rilevamento dei volti e indica l'età apparente dal rilevamento dei volti.
Non sorprende che Google sia uno dei pionieri di questa tecnologia. Google ha già realizzato molti framework ML e AI che possiamo facilmente implementare nelle nostre applicazioni. TensorFlow è una delle famose librerie di rete neurale open source di Google che viene utilizzata in applicazioni di machine learning come la classificazione delle immagini, il rilevamento di oggetti, ecc.
Nei prossimi anni, vedremo un maggiore utilizzo dell'IA nella nostra vita quotidiana e l'IA sarà in grado di gestire le tue attività quotidiane come ordinare generi alimentari online, guidare un'auto, controllare i tuoi elettrodomestici ecc. Quindi, perché ci siamo lasciati alle spalle per sfruttare qualche macchina algoritmi su dispositivi portatili come Raspberry Pi.
In questo tutorial impareremo come installare TensorFlow su Raspberry Pi e mostreremo alcuni esempi con una semplice classificazione delle immagini su una rete neurale pre-addestrata. In precedenza abbiamo utilizzato Raspberry Pi per altre attività di elaborazione delle immagini come il riconoscimento ottico dei caratteri, il riconoscimento facciale, il rilevamento della targa ecc.
Requisiti
- Raspberry Pi con Raspbian OS installato (scheda SD almeno 16 GB)
- Connessione Internet funzionante
Qui, useremo SSH per accedere a Raspberry Pi sul laptop. Puoi utilizzare la connessione VNC o Desktop remoto sul laptop oppure puoi collegare il tuo Raspberry pi a un monitor. Scopri di più sulla configurazione di Raspberry Pi senza testa qui senza un monitor.
Raspberry pi, essendo un dispositivo portatile e che consuma meno energia, viene utilizzato in molte applicazioni di elaborazione di immagini in tempo reale come Face Recognition, tracciamento di oggetti, sistema di sicurezza domestica, telecamera di sorveglianza ecc. Qualsiasi utilizzando qualsiasi software di visione artificiale come OpenCV con Raspberry Pi, È possibile creare molte potenti applicazioni di elaborazione delle immagini.
In passato, l' installazione di TensorFlow era un lavoro piuttosto difficile, ma il recente contributo degli sviluppatori ML e AI lo ha reso molto semplice e ora può essere installato usando solo pochi comandi. Se conosci alcune nozioni di base sull'apprendimento automatico e l'apprendimento profondo, ti sarà utile sapere cosa succede all'interno della rete neurale. Ma anche se sei nuovo nel dominio dell'apprendimento automatico, non ci saranno problemi, puoi comunque continuare con il tutorial e utilizzare alcuni programmi di esempio per impararlo.
Installazione di TensorFlow in Raspberry Pi
Di seguito sono riportati i passaggi per l'installazione di TensorFlow in Raspberry pi:
Passaggio 1: prima di installare TensorFlow in Raspberry Pi, aggiorna e aggiorna il sistema operativo Raspbian utilizzando i seguenti comandi
sudo apt-get update sudo apt-get upgrade
Passaggio 2: quindi installa la libreria Atlas per ottenere supporto per Numpy e altre dipendenze.
sudo apt install libatlas-base-dev
Passaggio 3: una volta terminato, installa TensorFlow tramite pip3 utilizzando il comando seguente
pip3 installa tensorflow
Ci vorrà un po 'per installare TensorFlow, se riscontri qualche errore durante l'installazione, riprova usando il comando sopra.
Passaggio 4: dopo aver installato correttamente TensorFlow, controlleremo se è installato correttamente utilizzando un piccolo programma Hello world . Per farlo, apri l' editor di testo nano usando il comando seguente:
sudo nano tfcheck.py
E copia-incolla sotto le righe nel terminale nano e salvalo usando ctrl + x e premi invio.
importa tensorflow come tf hello = tf.constant ('Hello, TensorFlow!') sess = tf.Session () print (sess.run (hello))
Passaggio 5: ora, esegui questo script nel terminale utilizzando il comando seguente
python3 tfcheck.py
Se tutti i pacchetti sono installati correttamente, vedrai Hello Tensorflow! messaggio nell'ultima riga come mostrato di seguito, ignora tutti gli avvisi.
Funziona bene e ora faremo qualcosa di interessante usando TensorFlow e non è necessario avere alcuna conoscenza di Machine learning e deep learning per realizzare questo progetto. Qui un'immagine viene inserita in un modello predefinito e TensorFlow identificherà l'immagine. TensorFlow darà la probabilità più vicina di ciò che è nell'immagine.
Installazione di Image Classifier su Raspberry Pi per il riconoscimento delle immagini
Passaggio 1: - Crea una directory e vai alla directory utilizzando i comandi seguenti.
mkdir tf cd tf
Passaggio 2: - Ora scarica i modelli disponibili nel repository GIT di TensorFlow. Clona il repository nella directory tf usando il comando seguente
git clone https://github.com/tensorflow/models.git
L'installazione richiederà del tempo ed è di grandi dimensioni, quindi assicurati di avere un piano dati sufficiente.
Passaggio 3: - Useremo un esempio di classificazione delle immagini che può essere trovato in models / tutorials / image / imagenet. Passa a questa cartella utilizzando il comando seguente
modelli cd / tutorial / image / imagenet
Passaggio 4: - Ora, inserisci un'immagine nella rete neurale predefinita utilizzando il comando seguente.
python3 classify_image.py --image_file = / home / pi / image_file_name
Sostituisci image_file_name con l'immagine che devi alimentare e poi premi invio .
Di seguito sono riportati alcuni esempi di rilevamento e riconoscimento di immagini utilizzando TensorFlow.
Non male! la rete neurale ha classificato l'immagine come un gatto egiziano con un alto grado di certezza rispetto alle altre opzioni.
In tutti gli esempi precedenti, i risultati sono piuttosto buoni e TensorFlow può classificare facilmente le immagini con la massima certezza. Puoi provarlo usando le tue immagini personalizzate.
Se hai una certa conoscenza del Machine learning, può eseguire il rilevamento di oggetti su questa piattaforma utilizzando alcune librerie.
/>