التعرف على الصور باستخدام TensorFlow على Raspberry Pi: 6 خطوات

2024 مؤلف: John Day | [email protected]. آخر تعديل: 2024-01-30 07:40

Google TensorFlow هي مكتبة برامج مفتوحة المصدر للحسابات الرقمية باستخدام الرسوم البيانية لتدفق البيانات. يتم استخدامه من قبل Google في مختلف مجالات التعلم الآلي وتقنيات التعلم العميق. تم تطوير TensorFlow في الأصل بواسطة Google Brain Team وتم نشره في المجال العام مثل GitHub.

لمزيد من الدروس قم بزيارة مدونتنا. احصل على Raspberry Pi من FactoryForward - بائع معتمد في الهند.

اقرأ هذا البرنامج التعليمي على مدونتنا هنا.

الخطوة 1: تعلم الآلة

سيندرج التعلم الآلي والتعلم العميق تحت الذكاء الاصطناعي (AI). سيراقب التعلم الآلي البيانات المتاحة ويحللها ويحسن نتائجها بمرور الوقت.

مثال: ميزة مقاطع الفيديو الموصى بها من YouTube. يعرض مقاطع الفيديو ذات الصلة التي شاهدتها من قبل. يقتصر التوقع على النتائج المستندة إلى النص فقط. لكن التعلم العميق يمكن أن يتعمق أكثر من ذلك.

الخطوة الثانية: التعلم العميق

يشبه التعلم العميق ذلك تقريبًا ، لكنه يتخذ قرارًا أكثر دقة من تلقاء نفسه من خلال جمع معلومات مختلفة من كائن. لها طبقات عديدة من التحليل وتتخذ القرار وفقًا لها. لربط العملية ، تستخدم الشبكة العصبية وتوفر لنا نتيجة أكثر دقة نحتاجها (تعني تنبؤًا أفضل من ML). شيء مثل كيف يفكر العقل البشري ويتخذ القرارات.

مثال: اكتشاف الكائن. يكتشف ما هو متاح في الصورة. شيء مشابه يمكنك تمييزه عن Arduino و Raspberry Pi من خلال مظهره وحجمه وألوانه.

إنه موضوع واسع وله تطبيقات مختلفة.

الخطوة 3: المتطلبات المسبقة

أعلن TensorFlow عن دعمه الرسمي لـ Raspberry Pi ، بدءًا من الإصدار 1.9 سيدعم Raspberry Pi باستخدام تثبيت حزمة pip. سنرى كيفية تثبيته على Raspberry Pi في هذا البرنامج التعليمي.

• Python 3.4 (موصى به)
• فطيرة التوت
• مزود الطاقة
• Raspbian 9 (امتداد)

الخطوة 4: قم بتحديث Raspberry Pi وحزمه

الخطوة 1: قم بتحديث Raspberry Pi وحزمه.

sudo apt-get update

sudo apt-get ترقية

الخطوة 2: اختبر أن لديك أحدث إصدار من python ، باستخدام هذا الأمر.

python3 - الإصدار

من المستحسن أن يكون لديك الإصدار 3.4 من Python على الأقل.

الخطوة 3: نحتاج إلى تثبيت مكتبة libatlas (ATLAS - برنامج الجبر الخطي المضبوط تلقائيًا). لأن TensorFlow يستخدم numpy. لذلك ، قم بتثبيته باستخدام الأمر التالي

sudo apt تثبيت libatlas-base-dev

الخطوة 4: قم بتثبيت TensorFlow باستخدام أمر تثبيت Pip3.

pip3 تثبيت tensorflow

الآن تم تثبيت TensorFlow.

الخطوة 5: توقع صورة باستخدام مثال نموذج Imagenet:

نشرت TensorFlow نموذجًا للتنبؤ بالصور. تحتاج إلى تنزيل النموذج أولاً ثم تشغيله.

الخطوة 1: قم بتشغيل الأمر التالي لتنزيل النماذج. قد تحتاج إلى تثبيت git.

استنساخ بوابة

الخطوة 2: انتقل إلى مثال التخيل.

نماذج الأقراص المضغوطة / دروس / صورة / تخيل

نصيحة للمحترفين: في Raspbian Stretch الجديد ، يمكنك العثور على ملف "classify_image.py" يدويًا ثم "النقر بزر الماوس الأيمن" عليه. اختر "نسخ المسار (المسارات)". ثم الصقها في Terminal بعد "القرص المضغوط" واضغط على Enter. بهذه الطريقة يمكنك التنقل بشكل أسرع دون أي أخطاء (في حالة حدوث خطأ إملائي أو تغيير اسم الملف في التحديثات الجديدة).

لقد استخدمت طريقة "نسخ المسار (المسارات)" بحيث تتضمن المسار الدقيق للصورة (/ home / pi).

الخطوة 3: قم بتشغيل المثال باستخدام هذا الأمر. سيستغرق إظهار النتيجة المتوقعة حوالي 30 ثانية.

python3 classify_image.py

الخطوة 6: توقع الصورة المخصصة

يمكنك أيضًا تنزيل صورة من الإنترنت أو استخدام صورتك الملتقطة على الكاميرا للتنبؤات. للحصول على نتائج أفضل ، استخدم صور ذاكرة أقل.

لاستخدام الصور المخصصة ، استخدم الطريقة التالية. لدي ملف الصورة في الموقع "/home/pi/Downloads/TensorImageTest1.jpg". فقط استبدل هذا بموقع ملفك واسمه. استخدم "نسخ المسار (المسارات)" للتنقل بسهولة.

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

يمكنك تجربة أمثلة أخرى أيضًا. لكنك تحتاج إلى تثبيت الحزم الضرورية قبل التنفيذ. سنغطي بعض موضوعات TensorFlow المثيرة للاهتمام في البرامج التعليمية القادمة.