Indholdsfortegnelse:
- Trin 1: Machine Learning
- Trin 2: Deep Learning
- Trin 3: Forudsætninger
- Trin 4: Opdater din Raspberry Pi og dens pakker
- Trin 5: Forudsigelse af et billede ved hjælp af Imagenet Model Eksempel:
- Trin 6: Tilpasset billedforudsigelse
![Billedgenkendelse med TensorFlow på Raspberry Pi: 6 trin Billedgenkendelse med TensorFlow på Raspberry Pi: 6 trin](https://i.howwhatproduce.com/images/001/image-2392-56-j.webp)
Video: Billedgenkendelse med TensorFlow på Raspberry Pi: 6 trin
![Video: Billedgenkendelse med TensorFlow på Raspberry Pi: 6 trin Video: Billedgenkendelse med TensorFlow på Raspberry Pi: 6 trin](https://i.ytimg.com/vi/oOeZ7IgEN4o/hqdefault.jpg)
2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:28
![Billedgenkendelse med TensorFlow på Raspberry Pi Billedgenkendelse med TensorFlow på Raspberry Pi](https://i.howwhatproduce.com/images/001/image-2392-57-j.webp)
Google TensorFlow er et Open Source-softwarebibliotek til numerisk beregning ved hjælp af dataflowgrafer. Det bruges af Google på sine forskellige områder inden for maskinlæring og dyb læringsteknologi. TensorFlow blev oprindeligt udviklet af Google Brain Team, og det udgives på det offentlige område som GitHub.
For flere tutorials besøg vores blog. Få Raspberry Pi fra FactoryForward - Godkendt forhandler i Indien.
Læs denne vejledning på vores blog her.
Trin 1: Machine Learning
Maskinlæring og dyb læring vil falde ind under kunstig intelligens (AI). En maskinlæring vil observere og analysere de tilgængelige data og forbedre resultaterne over tid.
Eksempel: Funktionen YouTube -anbefalede videoer. Det viser relaterede videoer, som du har set før. Forudsigelsen er kun begrænset til tekstbaserede resultater. Men dyb læring kan gå dybere end dette.
Trin 2: Deep Learning
Den dybe indlæring ligner næsten den, men den træffer mere præcis beslutning alene ved at indsamle forskellige oplysninger om et objekt. Det har mange analyselag og tager en beslutning i henhold til det. For at fastgøre processen bruger den Neural Network og giver os et mere præcist resultat, som vi havde brug for (betyder bedre forudsigelse end ML). Noget som hvordan en menneskelig hjerne tænker og træffer beslutninger.
Eksempel: Objektregistrering. Det registrerer, hvad der er tilgængeligt i et billede. Noget lignende, at du kan differentiere en Arduino og Raspberry Pi ved dens udseende, størrelse og farver.
Det er et bredt emne og har forskellige applikationer.
Trin 3: Forudsætninger
TensorFlow annoncerede officiel support til Raspberry Pi, fra version 1.9 understøtter den Raspberry Pi ved hjælp af pip -pakkeinstallation. Vi vil se, hvordan du installerer det på vores Raspberry Pi i denne vejledning.
- Python 3.4 (anbefales)
- Hindbær Pi
- Strømforsyning
- Raspbian 9 (stretch)
Trin 4: Opdater din Raspberry Pi og dens pakker
Trin 1: Opdater din Raspberry Pi og dens pakker.
sudo apt-get opdatering
sudo apt-get opgradering
Trin 2: Test, at du har den nyeste python -version ved hjælp af denne kommando.
python3 –- version
Det anbefales at have mindst Python 3.4.
Trin 3: Vi skal installere libatlas bibliotek (ATLAS - Automatisk tunet lineær algebra software). Fordi TensorFlow bruger numpy. Så installer det ved hjælp af følgende kommando
sudo apt installere libatlas-base-dev
Trin 4: Installer TensorFlow ved hjælp af Pip3 installeringskommando.
pip3 installer tensorflow
Nu er TensorFlow installeret.
Trin 5: Forudsigelse af et billede ved hjælp af Imagenet Model Eksempel:
![Forudsigelse af et billede ved hjælp af Imagenet Model Eksempel Forudsigelse af et billede ved hjælp af Imagenet Model Eksempel](https://i.howwhatproduce.com/images/001/image-2392-58-j.webp)
TensorFlow har udgivet en model til forudsigelse af billeder. Du skal først downloade modellen og derefter køre den.
Trin 1: Kør følgende kommando for at downloade modellerne. Du skal muligvis have git installeret.
git -klon
Trin 2: Naviger til imagenet eksempel.
cd -modeller/tutorials/image/imagenet
Pro tip: På den nye Raspbian Stretch kan du finde filen 'classify_image.py' manuelt og derefter 'Højreklik' på den. Vælg 'Kopier sti'. Indsæt det derefter i terminalen efter 'cd'en, og tryk på enter. På denne måde kan du navigere hurtigere uden fejl (i tilfælde af stavefejl eller filnavnet ændres i nye opdateringer).
Jeg brugte metoden 'Kopier sti', så den vil indeholde den nøjagtige sti på billedet (/home/pi).
Trin 3: Kør eksemplet ved hjælp af denne kommando. Det vil tage cirka 30 sekunder at vise det forudsagte resultat.
python3 classify_image.py
Trin 6: Tilpasset billedforudsigelse
![Tilpasset billedforudsigelse Tilpasset billedforudsigelse](https://i.howwhatproduce.com/images/001/image-2392-59-j.webp)
Du kan også downloade et billede fra internettet eller bruge dit eget billedbillede på dit kamera til forudsigelser. For bedre resultater skal du bruge mindre hukommelsesbilleder.
For at bruge brugerdefinerede billeder skal du bruge følgende måde. Jeg har billedfilen på stedet '/home/pi/Downloads/TensorImageTest1.jpg'. Bare erstat dette med din filplacering og navn. Brug 'Kopier sti' til lettere navigation.
python3 classify_image.py --image_file =/home/pi/Downloads/TensorImageTest1.jpg
Du kan også prøve andre eksempler. Men du skal installere nødvendige pakker før udførelse. Vi vil dække nogle interessante TensorFlow -emner i de kommende selvstudier.
Anbefalede:
Kunstig intelligens og billedgenkendelse ved hjælp af HuskyLens: 6 trin (med billeder)
![Kunstig intelligens og billedgenkendelse ved hjælp af HuskyLens: 6 trin (med billeder) Kunstig intelligens og billedgenkendelse ved hjælp af HuskyLens: 6 trin (med billeder)](https://i.howwhatproduce.com/images/001/image-1204-38-j.webp)
Kunstig intelligens og billedgenkendelse ved hjælp af HuskyLens: Hey, hvad sker der, fyre! Akarsh her fra CETech.I dette projekt skal vi kigge over HuskyLens fra DFRobot. Det er et AI-drevet kameramodul, der er i stand til at udføre flere kunstige intelligensoperationer såsom Face Recognitio
Billedgenkendelse med K210 -plader og Arduino IDE/Micropython: 6 trin (med billeder)
![Billedgenkendelse med K210 -plader og Arduino IDE/Micropython: 6 trin (med billeder) Billedgenkendelse med K210 -plader og Arduino IDE/Micropython: 6 trin (med billeder)](https://i.howwhatproduce.com/images/005/image-13407-j.webp)
Billedgenkendelse med K210 -plader og Arduino IDE/Micropython: Jeg har allerede skrevet en artikel om, hvordan man kører OpenMV -demoer på Sipeed Maix Bit og lavede også en video af objektdetekteringsdemo med dette kort. Et af de mange spørgsmål, folk har stillet, er - hvordan kan jeg genkende et objekt, som det neurale netværk ikke er
Akustisk levitation med Arduino Uno trin for trin (8 trin): 8 trin
![Akustisk levitation med Arduino Uno trin for trin (8 trin): 8 trin Akustisk levitation med Arduino Uno trin for trin (8 trin): 8 trin](https://i.howwhatproduce.com/images/007/image-19534-j.webp)
Akustisk levitation med Arduino Uno Step-by Step (8-trin): ultralyds lydtransducere L298N Dc kvindelig adapter strømforsyning med en han-DC-pin Arduino UNOBreadboard Sådan fungerer det: Først uploader du kode til Arduino Uno (det er en mikrokontroller udstyret med digital og analoge porte til konvertering af kode (C ++)
Objektdetektion W/ Dragonboard 410c eller 820c ved hjælp af OpenCV og Tensorflow .: 4 trin
![Objektdetektion W/ Dragonboard 410c eller 820c ved hjælp af OpenCV og Tensorflow .: 4 trin Objektdetektion W/ Dragonboard 410c eller 820c ved hjælp af OpenCV og Tensorflow .: 4 trin](https://i.howwhatproduce.com/images/003/image-6246-2-j.webp)
Object Detection W/ Dragonboard 410c eller 820c Brug af OpenCV og Tensorflow .: Denne instruktionsbog beskriver, hvordan du installerer OpenCV, Tensorflow og machine learning -rammer til Python 3.5 til at køre Object Detection -applikationen
Sådan styrer du husholdningsapparater med fjernsyn med fjernbetjening med timerfunktion: 7 trin (med billeder)
![Sådan styrer du husholdningsapparater med fjernsyn med fjernbetjening med timerfunktion: 7 trin (med billeder) Sådan styrer du husholdningsapparater med fjernsyn med fjernbetjening med timerfunktion: 7 trin (med billeder)](https://i.howwhatproduce.com/images/001/image-363-56-j.webp)
Sådan styrer du husholdningsapparater med fjernsyn med fjernbetjening med timerfunktion: Selv efter 25 års introduktion til forbrugermarkedet er infrarød kommunikation stadig meget relevant i de seneste dage. Uanset om det er dit 55 tommer 4K -fjernsyn eller dit billydsystem, har alt brug for en IR -fjernbetjening for at reagere på vores