ابدأ بالتعرف على الصور باستخدام TensorFlow و Raspberry Pi

الإعلانات

TensorFlow هي مكتبة الشبكة العصبية من Google. نظرًا لأن التعلم الآلي هو أهم شيء في الوقت الحالي ، فليس من المستغرب أن تكون Google من بين الشركات الرائدة في هذه التكنولوجيا الجديدة.

في هذه المقالة ، ستتعلم كيفية تثبيت TensorFlow على Raspberry Pi ، وتشغيل تصنيف بسيط للصور على شبكة عصبية مدربة مسبقًا.

ابدء

لبدء التعرف على الصور ، ستحتاج إلى Raspberry Pi (أي نموذج سيعمل) وبطاقة SD مع نظام التشغيل Raspbian Stretch (9.0+) (إذا كنت جديدًا في Raspberry Pi ، فاستخدم دليل التثبيت).

قم بتشغيل Pi وافتح نافذة طرفية. تأكد من تحديث Pi ، وتحقق من إصدار Python.

sudo apt-get update. الثعبان - نسخة. بيثون 3 - نسخة

يمكنك استخدام كل من Python 2.7 أو Python 3.4+ لهذا البرنامج التعليمي. هذا المثال خاص بـ Python 3. بالنسبة لـ Python 2.7 ، استبدل بايثون 3 مع بيثونو النقطة 3 مع نقطة طوال هذا البرنامج التعليمي.

Pip هو مدير حزم لـ Python ، وعادةً ما يتم تثبيته كمعيار في توزيعات Linux.

إذا وجدت أنه ليس لديك ، اتبع تثبيت لتعليمات لينكس كيفية تثبيت Python PIP على أنظمة تشغيل Windows و Mac و Linuxيعتمد العديد من مطوري Python على أداة تسمى PIP لـ Python لتبسيط عملية التطوير. إليك كيفية تثبيت Python PIP. اقرأ أكثر

في هذه المقالة لتثبيته.

تثبيت TensorFlow

كان تثبيت TensorFlow عملية محبطة ، لكن التحديث الأخير يجعلها بسيطة للغاية. بينما يمكنك اتباع هذا البرنامج التعليمي دون أي معرفة مسبقة ، فقد يكون من المفيد فهم أساسيات التعلم الآلي قبل تجربتها.

قبل تثبيت TensorFlow ، قم بتثبيت أطلس مكتبة.

sudo apt install libatlas-base-dev

بمجرد الانتهاء من تثبيت TensorFlow عبر pip3

تثبيت pip3 - المستخدم tensorflow

سيؤدي هذا إلى تثبيت TensorFlow للمستخدم الذي قام بتسجيل الدخول. إذا كنت تفضل استخدام بيئة افتراضية تعرف على كيفية استخدام بيئة Python الافتراضيةسواء كنت مطورًا محترفًا في Python ، أو أنك بدأت للتو ، فإن تعلم كيفية إعداد بيئة افتراضية أمر ضروري لأي مشروع Python. اقرأ أكثر ، تعديل التعليمات البرمجية الخاصة بك هنا لتعكس هذا.

اختبار TensorFlow

بمجرد تثبيته ، يمكنك اختبار ما إذا كان يعمل مع مكافئ TensorFlow لـ مرحبا بالعالم!

من سطر الأوامر ، قم بإنشاء برنامج نصي Python جديد باستخدام نانو أو فيم (إذا لم تكن متأكدًا من الذي ستستخدمه ، كلاهما له مزايا) وتسميته شيئًا يسهل تذكره.

sudo nano tftest.py. 

أدخل هذا الرمز المقدم من Google لاختبار TensorFlow:

استيراد tensorflow كما tf. hello = tf.constant ("مرحبًا ، TensorFlow!") sess = tf. جلسة() print (sess.run (hello))

إذا كنت تستخدم نانو ، اخرج بالضغط Ctrl + X وحفظ ملفك بكتابة ص عندما يُطلب منك ذلك.

قم بتشغيل الكود من الجهاز الطرفي:

python3 tftest.py. 

يجب أن تشاهد "مرحبًا ، TensorFlow" مطبوعًا.

إذا كنت تقوم بتشغيل Python 3.5 ، فستحصل على العديد من تحذيرات وقت التشغيل. تقر دروس TensorFlow الرسمية بحدوث ذلك ، وتوصيك بتجاهله.

إنها تعمل! الآن للقيام بشيء مثير للاهتمام مع TensorFlow.

تثبيت مصنف الصور

في الوحدة الطرفية ، قم بإنشاء دليل للمشروع في دليل منزلك وانتقل إليه.

مقدير tf1. مؤتمر نزع السلاح tf1. 

يحتوي TensorFlow على مستودع git مع نماذج على سبيل المثال للتجربة. قم بنسخ المستودع في الدليل الجديد:

استنساخ بوابة https://github.com/tensorflow/models.git. 

تريد استخدام مثال تصنيف الصورة ، والذي يمكن العثور عليه في نماذج / دروس / صورة / imagenet. انتقل إلى هذا المجلد الآن:

نماذج مؤتمر نزع السلاح / دروس / صورة / imagenet. 

يعمل البرنامج النصي القياسي لتصنيف الصور مع صورة مقدمة من الباندا:

لتشغيل مصنف الصور القياسي مع صورة الباندا المقدمة ، أدخل:

python3 classify_image.py. 

هذا يغذي صورة الباندا إلى الشبكة العصبية ، والتي ترجع التخمينات حول ما هي الصورة بقيمة لمستوى يقينها.

كما تظهر صورة الإخراج ، خمنت الشبكة العصبية بشكل صحيح ، بنسبة يقارب 90 بالمائة. كما يعتقد أن الصورة قد تحتوي على تفاحة كاسترد ، لكنها لم تكن واثقة جدًا من هذا الجواب.

استخدام صورة مخصصة

تثبت صورة الباندا أن TensorFlow يعمل ، ولكن هذا قد لا يثير الدهشة نظرًا لأنه المثال الذي يقدمه المشروع. لاختبار أفضل ، يمكنك إعطاء صورتك الخاصة للشبكة العصبية لتصنيفها.

في هذه الحالة ، سترى ما إذا كانت الشبكة العصبية TensorFlow يمكنها تحديد جورج.

قابل جورج. جورج ديناصور. لتغذية هذه الصورة (متوفرة في شكل اقتصاص هنا) في الشبكة العصبية ، أضف الحجج عند تشغيل البرنامج النصي.

python3 classify_image.py --image_file = / home / pi / george.jpg. 

ال image_file = يسمح اتباع اسم البرنامج النصي بإضافة أي صورة عن طريق المسار. لنرى كيف فعلت هذه الشبكة العصبية.

ليس سيئا! في حين أن جورج ليس ترايسيراتوبس ، فإن الشبكة العصبية صنفت الصورة على أنها ديناصور بدرجة عالية من اليقين عند مقارنتها بالخيارات الأخرى.

TensorFlow و Raspberry Pi ، جاهز للانطلاق

هذا التطبيق الأساسي لـ TensorFlow له إمكانات بالفعل. يحدث التعرف على هذا الكائن على Pi ، ولا يحتاج إلى اتصال بالإنترنت للعمل. هذا يعني أنه مع إضافة أ وحدة كاميرا التوت بي و وحدة بطارية Raspberry Pi مناسبة، يمكن أن يصبح المشروع بأكمله محمولاً.

معظم البرامج التعليمية تخدش سطح الموضوع فقط ، لكنها لم تكن أصعب مما كانت عليه في هذه الحالة. التعلم الآلي هو موضوع كثيف بشكل لا يصدق.

طريقة واحدة لأخذ علمك أكثر ستكون أخذ دورة مخصصة ستعد دورات التعلم الآلي هذه مسارًا وظيفيًا لكستساعدك دورات التعلم الآلي الممتازة عبر الإنترنت على فهم المهارات اللازمة لبدء مهنة في التعلم الآلي والذكاء الاصطناعي. اقرأ أكثر . في هذه الأثناء ، تواصل مع التعلم الآلي و Raspberry Pi من خلال مشاريع TensorFlow التي يمكنك تجربتها بنفسك.