- Requisitos
- Instalación de TensorFlow en Raspberry Pi
- Instalación del clasificador de imágenes en Raspberry Pi para el reconocimiento de imágenes
El aprendizaje automático y la inteligencia artificial son los temas de tendencia en las industrias hoy en día y podemos ver su creciente participación con el lanzamiento de cada nuevo dispositivo electrónico. Casi todas las aplicaciones de la ingeniería informática utilizan el aprendizaje automático para analizar y predecir los resultados futuros. Ya hay muchos dispositivos lanzados en el mercado que están utilizando el poder del aprendizaje automático y la inteligencia artificial, como la cámara del teléfono inteligente utiliza funciones habilitadas para IA para la detección de rostros y para saber la edad aparente a partir de la detección de rostros.
No es de extrañar que Google sea uno de los pioneros en esta tecnología. Google ya creó muchos marcos de ML e IA que podemos implementar fácilmente en nuestras aplicaciones. TensorFlow es una de las bibliotecas de redes neuronales de código abierto de Google más conocidas que se utiliza en aplicaciones de aprendizaje automático como clasificación de imágenes, detección de objetos, etc.
En los próximos años, veremos un mayor uso de la IA en nuestra vida diaria y la IA podrá manejar sus tareas diarias como hacer pedidos de comestibles en línea, conducir un automóvil, controlar sus electrodomésticos, etc. Entonces, ¿por qué nos dejamos atrás para explotar alguna máquina? algoritmos en dispositivos portátiles como Raspberry Pi.
En este tutorial, aprenderemos cómo instalar TensorFlow en Raspberry Pi y mostraremos algunos ejemplos con clasificación de imágenes simple en una red neuronal previamente entrenada. Anteriormente usamos Raspberry Pi para otras tareas de procesamiento de imágenes como el reconocimiento óptico de caracteres, el reconocimiento facial, la detección de matrículas, etc.
Requisitos
- Raspberry Pi con el sistema operativo Raspbian instalado (tarjeta SD de al menos 16 GB)
- Conexión a Internet en funcionamiento
Aquí, usaremos SSH para acceder a Raspberry Pi en la computadora portátil. Puede usar la conexión VNC o Escritorio remoto en la computadora portátil, o puede conectar su Raspberry pi con un monitor. Obtenga más información sobre cómo configurar Raspberry Pi sin cabeza aquí sin un monitor.
Raspberry pi, al ser un dispositivo portátil y que consume menos energía, se utiliza en muchas aplicaciones de procesamiento de imágenes en tiempo real como reconocimiento facial, seguimiento de objetos, sistema de seguridad del hogar, cámara de vigilancia, etc. Cualquiera mediante el uso de cualquier software de visión por computadora como OpenCV con Raspberry Pi, Se pueden crear muchas aplicaciones de procesamiento de imágenes de gran alcance.
En el pasado, la instalación de TensorFlow era un trabajo bastante difícil, pero la contribución reciente de los desarrolladores de ML e IA lo hizo muy simple y ahora se puede instalar con solo usar pocos comandos. Si conoce algunos conceptos básicos del aprendizaje automático y el aprendizaje profundo, le será útil saber qué sucede dentro de la red neuronal. Pero incluso si es nuevo en el dominio de aprendizaje automático, no habrá ningún problema, puede continuar con el tutorial y usar algunos programas de ejemplo para aprenderlo.
Instalación de TensorFlow en Raspberry Pi
A continuación se muestran los pasos para instalar TensorFlow en Raspberry pi:
Paso 1: antes de instalar TensorFlow en Raspberry Pi, primero actualice y actualice el sistema operativo Raspbian utilizando los siguientes comandos
sudo apt-get update sudo apt-get upgrade
Paso 2: luego instale la biblioteca Atlas para obtener soporte para Numpy y otras dependencias.
sudo apt install libatlas-base-dev
Paso 3: Una vez que haya terminado, instale TensorFlow a través de pip3 usando el siguiente comando
pip3 instalar tensorflow
Se necesitará un poco para instalar TensorFlow, si encuentra algún error durante la instalación, simplemente vuelva a intentarlo usando el comando anterior.
Paso 4: Después de la instalación exitosa de TensorFlow, verificaremos si está instalado correctamente usando un pequeño programa Hello world . Para hacer eso, abra el editor de texto nano usando el siguiente comando:
sudo nano tfcheck.py
Y Copie y pegue debajo de las líneas en el terminal nano y guárdelo usando ctrl + x y presione enter.
importar tensorflow como tf hello = tf.constant ('¡Hola, TensorFlow!') sess = tf.Session () print (sess.run (hola))
Paso 5: Ahora, ejecute este script en la terminal usando el siguiente comando
python3 tfcheck.py
Si todos los paquetes se instalaron correctamente, verá un Hola Tensorflow! mensaje en la última línea como se muestra a continuación, ignore todas las advertencias.
Funciona bien y ahora haremos algo interesante con TensorFlow y no necesitas tener ningún conocimiento de aprendizaje automático y aprendizaje profundo para hacer este proyecto. Aquí, una imagen se alimenta en un modelo prediseñado y TensorFlow identificará la imagen. TensorFlow dará la probabilidad más cercana de lo que hay en la imagen.
Instalación del clasificador de imágenes en Raspberry Pi para el reconocimiento de imágenes
Paso 1: - Cree un directorio y navegue al directorio usando los siguientes comandos.
mkdir tf cd tf
Paso 2: - Ahora, descargue los modelos que están disponibles en el repositorio de TensorFlow GIT. Clone el repositorio en el directorio tf usando el siguiente comando
clon de git https://github.com/tensorflow/models.git
Esto llevará algún tiempo para instalar y es de gran tamaño, así que asegúrese de tener suficiente plan de datos.
Paso 3: - Usaremos un ejemplo de clasificación de imágenes que se puede encontrar en modelos / tutoriales / image / imagenet. Navegue a esta carpeta usando el siguiente comando
modelos de cd / tutoriales / imagen / imagenet
Paso 4: - Ahora, alimenta una imagen en la red neuronal prediseñada usando el siguiente comando.
python3 classify_image.py --image_file = / home / pi / image_file_name
Reemplace image_file_name con la imagen que debe alimentar y luego presione enter.
A continuación, se muestran algunos ejemplos de detección y reconocimiento de imágenes con TensorFlow.
¡No está mal! la red neuronal clasificó la imagen como un gato egipcio con un alto grado de certeza en comparación con las otras opciones.
En todos los ejemplos anteriores, los resultados son bastante buenos y TensorFlow puede clasificar fácilmente las imágenes con mucha certeza. Puedes probar esto usando tus imágenes personalizadas.
Si tiene algún conocimiento de aprendizaje automático, puede realizar la detección de objetos en esta plataforma utilizando algunas bibliotecas.
/>