Raspberry Pi'de TensorFlow ile Görüntü Tanıma: 6 Adım

2024 Yazar: John Day | [email protected]. Son düzenleme: 2024-01-30 13:20

Google TensorFlow, veri akışı grafiklerini kullanan Sayısal Hesaplama için Açık Kaynaklı bir yazılım Kitaplığıdır. Google tarafından Makine Öğrenimi ve Derin Öğrenme Teknolojilerinin çeşitli alanlarında kullanılmaktadır. TensorFlow, orijinal olarak Google Brain Team tarafından geliştirildi ve GitHub gibi kamuya açık alanda yayınlandı.

Daha fazla eğitim için blogumuzu ziyaret edin. Hindistan'daki FactoryForward - Onaylı Satıcıdan Raspberry Pi'yi edinin.

Bu öğreticiyi burada blogumuzda okuyun.

1. Adım: Makine Öğrenimi

Makine Öğrenimi ve Derin Öğrenme, Yapay Zeka (AI) kapsamına girecek. Bir Makine Öğrenimi, mevcut verileri gözlemleyecek ve analiz edecek ve zaman içinde sonuçlarını iyileştirecektir.

Örnek: YouTube Önerilen videolar özelliği. Daha önce izlediğiniz ilgili videoları gösterir. Tahmin yalnızca metin tabanlı sonuçlarla sınırlıdır. Ancak derin öğrenme bundan daha derine inebilir.

2. Adım: Derin Öğrenme

Derin öğrenme neredeyse buna benzer, ancak bir nesnenin çeşitli bilgilerini toplayarak kendi başına daha doğru karar verir. Birçok analiz katmanı vardır ve ona göre karar verir. Süreci hızlandırmak için Sinir Ağı kullanır ve bize ihtiyacımız olan daha kesin sonucu sağlar (ML'den daha iyi tahmin anlamına gelir). İnsan beyninin nasıl düşündüğü ve karar verdiği gibi bir şey.

Örnek: Nesne algılama. Bir görüntüde neyin mevcut olduğunu algılar. Arduino ve Raspberry Pi'yi görünümü, boyutu ve Renkleri ile ayırt edebileceğiniz benzer bir şey.

Geniş bir konudur ve çeşitli uygulamaları vardır.

Adım 3: Ön Koşullar

TensorFlow, Raspberry Pi için resmi desteğini duyurdu, Sürüm 1.9'dan itibaren, Raspberry Pi'yi pip paketi kurulumunu kullanarak destekleyecektir. Bu eğitimde Raspberry Pi'mize nasıl kuracağımızı göreceğiz.

• Python 3.4 (önerilir)
• Ahududu Pi
• Güç kaynağı
• Raspbian 9 (Uzatma)

4. Adım: Raspberry Pi'nizi ve Paketlerini Güncelleyin

Adım 1: Raspberry Pi'nizi ve paketlerini güncelleyin.

sudo apt-get güncellemesi

sudo apt-get yükseltme

Adım 2: Bu komutu kullanarak en son python sürümüne sahip olduğunuzu test edin.

python3 –-sürüm

En az Python 3.4'e sahip olmanız önerilir.

Adım 3: Libatlas kütüphanesini (ATLAS - Automatically Tuned Linear Algebra Software) kurmamız gerekiyor. Çünkü TensorFlow numpy kullanıyor. Yani, aşağıdaki komutu kullanarak kurun

sudo apt install libatlas-base-dev

Adım 4: Pip3 kurulum komutunu kullanarak TensorFlow'u kurun.

pip3 tensorflow'u kurun

Şimdi TensorFlow yüklendi.

Adım 5: Imagenet Modelini Kullanarak Bir Görüntüyü Tahmin Etme Örneği:

TensorFlow, görüntüleri tahmin etmek için bir model yayınladı. Önce modeli indirmeniz ve ardından çalıştırmanız gerekir.

Adım 1: Modelleri indirmek için aşağıdaki komutu çalıştırın. Git'in kurulu olması gerekebilir.

git klonu

Adım 2: imagenet örneğine gidin.

cd modelleri/öğreticiler/image/imagenet

Profesyonel İpucu: Yeni Raspbian Stretch'te, 'classify_image.py' dosyasını manuel olarak ve ardından 'Sağ Tıkla' bulabilirsiniz. 'Yolları Kopyala'yı seçin. Ardından 'cd'den sonra terminale yapıştırın ve enter tuşuna basın. Bu sayede hatasız olarak daha hızlı gezinebilirsiniz (yazım hatası olması veya yeni güncellemelerde dosya adının değişmesi durumunda).

'Yolları Kopyala' yöntemini kullandım, böylece görüntüdeki tam yolu (/home/pi) içerecektir.

Adım 3: Bu komutu kullanarak örneği çalıştırın. Tahmini sonucun gösterilmesi yaklaşık 30 saniye sürecektir.

python3 classify_image.py

6. Adım: Özel Görüntü Tahmini

Ayrıca internetten bir görüntü indirebilir veya tahminler için kendi fotoğraf makinenizde çekilmiş kendi görüntünüzü kullanabilirsiniz. Daha iyi sonuçlar için daha az bellek görüntüsü kullanın.

Özel görüntüleri kullanmak için aşağıdaki yolu kullanın. Görüntü dosyası '/home/pi/Downloads/TensorImageTest1.jpg' konumunda. Bunu dosya konumunuz ve adınızla değiştirin. Daha kolay gezinme için 'Yolları Kopyala'yı kullanın.

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

Diğer örnekleri de deneyebilirsiniz. Ancak yürütmeden önce gerekli paketleri kurmanız gerekir. Gelecek eğitimlerde bazı ilginç TensorFlow konularını ele alacağız.