Статьи

Устанавливаем ПО TensorFlow для машинного обучения на Raspberry Pi

Нет комментариев

Устанавливаем и используем программное обеспечение с открытым исходным кодом для машинного обучения TensorFlow на Raspberry Pi.

Комплектующие

Для установки программного обеспечения TensorFlow на нашу "малину" нам нужны всего лишь:

  • Raspberry Pi
  • TensorFlow

Ниже мы пройдем по шагам процесса установки TensorFlow для машинного обучения на нашу Raspberry Pi.

TensorFlow

Первоначально TensorFlow разработан командой Google Brain для машинного обучения и исследования глубоких нейронных сетей. Программное обеспечение достаточно универсально и его можно было применять в самых разных областях.

TensorFlow, по сути, библиотека программного обеспечения машинного обучения с открытым исходным кодом для численных расчетов с использованием графиков потоков данных. Узлы графа представляют математические операции, в то время как ребра графа представляют многомерные массивы данных (тензоры), которые текут между ними. Эта гибкая архитектура позволяет развертывать вычисления на одном или нескольких обычных или графических процессорах на настольном компьютере, сервере или мобильном устройстве без переписывания кода.

Установка TensorFlow

Установка TensorFlow на Raspberry Pi раньше была довольно неприятной задачей. Однако, с выходом новых версий Google TensorFlow, официально поддерживаемых на Raspberry Pi, нам нужно всего лишь пару команд, чтобы установить её.

Во-первых, убедитесь, что ваш Raspberry Pi обновлен, введя команды ниже. Эти команды обновляют установленные пакеты на вашем Raspberry Pi до последних версий.

sudo apt-get update
sudo apt-get upgrade

После того, как мы актуализировали пакеты Raspberry Pi, установим Google TensorFlow, введя следующие команды в терминале:

sudo apt install libatlas-base-dev
pip3 install tensorflow

Тестируем TensorFlow

Давайте еще раз проверим установку. Чтобы проверить, установлен TensorFlow или нет, попробуйте импортировать TensorFlow, набрав:

Python3

и затем:

import tensorflow

Это может вызвать ошибку, если вы используете версию Python больше, чем 3.4. Просто проигнорируйте эту ошибку - все будет работать нормально.

Чтобы проверить какая у вас версия TensorFlow введите следующую команду:

Tensorflow.__version__

Пример Hello World

Давайте напишем простой код, предоставленный Google для тестирования TensorFlow, который напечатает "Привет мир" (англ. - Hello World).

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

Вы должны увидеть “Hello, TensorFlow”.

Если вы используете Python 3.5, то вы получите несколько предупреждений во время выполнения. Официальное руководство TensorFlow признает, что такое может происходить и рекомендует эти ошибки игнорировать.

Установка классификатора изображений

Далее установим классификатора изображений (англ. - Image Classifier). Сначала создайте новый каталог в котором будут сохранены модели TensorFlow.

mkdir tensorflow
cd tensorflow

Теперь клонируйте репозиторий моделей TensorFlow в этом новом каталоге.

git clone https://github.com/tensorflow/models.git

Мы собираемся использовать пример классификации изображений, который поставляется с моделями, поэтому перейдем в эту папку:

cd models/tutorials/image/imagenet

Теперь запустите скрипт. Он будет передавать стандартное изображение «панды» в нейронную сеть, которая в свою очередь угадывает, что это изображение содержит с его оценкой.

python3 classify_image.py

Давайте передадим собственное изображение в нейронную сеть и посмотрим, сможет ли она идентифицировать объекты на изображении или нет.

Мы поместили изображение собаки в ту же папку, в которой мы уже работаем. Теперь запустим сценарий, чтобы увидеть, что он даст.

Запускаем сценарий:

python3 classify_image.py –image_file=dog.jpg.webp

Получаем вот такой ответ:

Как вы видите, TensorFlow признал, что с наибольшей вероятностью на этом изображении мопс.

Поделиться
23 ноября 2019 в 02:01
Обновлено 7 ноября 2020 в 01:20 (редакция)
Опубликовано:
Статьи, ,

Добавить комментарий

Ваш E-mail не будет никому виден. Обязательные поля отмечены *