TensorFlow और रास्पबेरी पाई का उपयोग करके छवि मान्यता के साथ आरंभ करें
विज्ञापन
TensorFlow Google की तंत्रिका नेटवर्क लाइब्रेरी है। यह देखते हुए कि वर्तमान में मशीन लर्निंग सबसे हॉट चीज़ है, यह कोई आश्चर्य की बात नहीं है कि Google इस नई तकनीक में अग्रणी है।
इस लेख में, आप सीखेंगे कि रास्पबेरी पाई पर टेंसोरफ्लो कैसे स्थापित करें, और पहले से प्रशिक्षित तंत्रिका नेटवर्क पर सरल छवि वर्गीकरण चलाएं।
शुरू करना
छवि पहचान के साथ आरंभ करने के लिए, आपको रास्पबेरी पाई (कोई भी मॉडल काम करेगा) और रास्पियन खिंचाव (9.0+) ऑपरेटिंग सिस्टम (यदि आप रास्पबेरी पाई के लिए नए हैं, तो हमारे इंस्टॉलेशन गाइड का उपयोग करें) के साथ एसडी कार्ड की आवश्यकता होगी।
पाई को बूट करें और एक टर्मिनल विंडो खोलें। सुनिश्चित करें कि आपका पाई अद्यतित है, और अपने पायथन संस्करण की जाँच करें।
sudo apt-get update python --version python3 --version आप इस ट्यूटोरियल के लिए पायथन 2.7 या पायथन 3.4+ दोनों का उपयोग कर सकते हैं। यह उदाहरण पायथन 3 के लिए है। पायथन 2.7 के लिए, पायथन 3 को पायथन के साथ बदलें, और इस ट्यूटोरियल के दौरान पाइप 3 के साथ पाइप 3 ।
पिप अजगर के लिए एक पैकेज मैनेजर है, जिसे आमतौर पर लिनक्स वितरण पर मानक के रूप में स्थापित किया जाता है।
यदि आपको लगता है कि आपके पास यह नहीं है, तो लिनक्स निर्देशों के लिए इंस्टॉल का अनुसरण करें। विंडोज, मैक और लिनक्स पर पायथन पीआईपी कैसे स्थापित करें, विंडोज, मैक और लिनक्स पर पायथन पीआईपी कैसे स्थापित करें, कई पायथन डेवलपर्स पीआईपी नामक उपकरण पर भरोसा करते हैं। अजगर सब कुछ आसान और तेज करने के लिए। यहां बताया गया है कि पायथन पीआईपी कैसे स्थापित किया जाए। इसे स्थापित करने के लिए इस लेख में और पढ़ें।
TensorFlow स्थापित करना
TensorFlow को स्थापित करना काफी निराशाजनक प्रक्रिया हुआ करती थी, लेकिन हालिया अपडेट इसे अविश्वसनीय रूप से सरल बना देता है। जब आप इस ट्यूटोरियल को बिना किसी पूर्व ज्ञान के अनुसरण कर सकते हैं, तो इसे आज़माने से पहले मशीन सीखने की मूल बातें समझने लायक हो सकती हैं।
TensorFlow स्थापित करने से पहले, एटलस लाइब्रेरी स्थापित करें।
sudo apt install libatlas-base-dev एक बार जो समाप्त हो गया है वह पाइप 3 के माध्यम से टेंसरफ्लो स्थापित करें
pip3 install --user tensorflow यह लॉग इन यूजर के लिए TensorFlow स्थापित करेगा। यदि आप एक आभासी वातावरण का उपयोग करना पसंद करते हैं, तो सीखें कि पायथन वर्चुअल वातावरण का उपयोग कैसे करें जानें कि आप पायथन वर्चुअल वातावरण का उपयोग कैसे करते हैं, चाहे आप एक अनुभवी पायथन डेवलपर हैं, या आप बस शुरू कर रहे हैं, वर्चुअल वातावरण सेटअप करना सीखना किसी भी के लिए आवश्यक है। अजगर परियोजना। और पढ़ें, इसे दर्शाने के लिए अपना कोड यहाँ संशोधित करें।
टेन्सरफ्लो का परीक्षण
एक बार जब यह स्थापित हो जाता है, तो आप परीक्षण कर सकते हैं कि क्या यह हैलो, दुनिया के बराबर TensorFlow के साथ काम कर रहा है!
कमांड लाइन से नैनो या विम का उपयोग करके एक नया पायथन स्क्रिप्ट बनाएं (यदि आप सुनिश्चित नहीं हैं कि कौन सा उपयोग करना है, तो वे दोनों के फायदे हैं) और इसे याद रखना आसान है।
sudo nano tftest.py Google द्वारा TensorFlow परीक्षण के लिए प्रदान किया गया यह कोड दर्ज करें:
import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) यदि आप नैनो का उपयोग कर रहे हैं, तो Ctrl + X दबाकर बाहर निकलें और संकेत दिए जाने पर Y टाइप करके अपनी फ़ाइल को सहेजें।
टर्मिनल से कोड चलाएँ:
python3 tftest.py आपको “Hello, TensorFlow” प्रिंट होना चाहिए।
यदि आप पायथन 3.5 चला रहे हैं, तो आपको कई रनटाइम चेतावनी मिलेंगी। आधिकारिक TensorFlow ट्यूटोरियल स्वीकार करते हैं कि ऐसा होता है, और आपको इसे अनदेखा करने की सलाह देते हैं।
यह काम करता हैं! अब TensorFlow के साथ कुछ दिलचस्प करने के लिए।
छवि क्लासिफायर स्थापित करना
टर्मिनल में, अपने होम डायरेक्टरी में प्रोजेक्ट के लिए एक डायरेक्टरी बनाएं और उसमें नेविगेट करें।
mkdir tf1 cd tf1 TensorFlow में उदाहरणों के साथ एक git रिपॉजिटरी है जिसे आज़माने के लिए मॉडल हैं। नई निर्देशिका में रिपॉजिटरी को क्लोन करें:
git clone https://github.com/tensorflow/models.git आप छवि वर्गीकरण उदाहरण का उपयोग करना चाहते हैं, जो मॉडल / ट्यूटोरियल / छवि / इमेजनेट पर पाया जा सकता है। अब उस फ़ोल्डर पर नेविगेट करें:
cd models/tutorials/image/imagenet मानक छवि वर्गीकरण स्क्रिप्ट एक पांडा की प्रदान की गई छवि के साथ चलती है:
मानक छवि क्लासिफायर चलाने के लिए पांडा छवि प्रदान करें:
python3 classify_image.py यह तंत्रिका नेटवर्क के लिए एक पांडा की छवि को खिलाती है, जो अनुमान लगाता है कि छवि निश्चितता के अपने स्तर के लिए एक मूल्य के साथ क्या है।
जैसा कि आउटपुट इमेज से पता चलता है, न्यूरल नेट ने लगभग 90 प्रतिशत निश्चितता के साथ सही अनुमान लगाया। यह भी सोचा कि छवि में एक कस्टर्ड सेब हो सकता है, लेकिन यह उस उत्तर के साथ बहुत आश्वस्त नहीं था।
एक कस्टम छवि का उपयोग करना
पांडा की छवि यह साबित करती है कि TensorFlow काम करता है, लेकिन शायद यह बहुत ही आश्चर्यजनक है कि यह वह उदाहरण है जो परियोजना प्रदान करती है। एक बेहतर परीक्षण के लिए, आप अपनी खुद की छवि को वर्गीकरण के लिए तंत्रिका जाल दे सकते हैं।
इस उदाहरण में, आप देख रहे होंगे कि क्या TensorFlow तंत्रिका जाल जॉर्ज की पहचान कर सकता है।
जॉर्ज से मिलें। जॉर्ज एक डायनासोर है। इस छवि को खिलाने के लिए (यहां क्रॉप्ड फॉर्म में उपलब्ध) तंत्रिका जाल में, स्क्रिप्ट चलाते समय तर्क जोड़ें।
python3 classify_image.py --image_file=/home/pi/george.jpg Image_file = स्क्रिप्ट नाम के बाद पथ द्वारा किसी भी छवि को जोड़ने की अनुमति देता है। आइए देखें कि इस तंत्रिका जाल ने कैसे किया।
बुरा नहीं! जबकि जॉर्ज एक ट्राइसेरटॉप्स नहीं है, जब अन्य विकल्पों की तुलना में तंत्रिका जाल ने एक उच्च डिग्री निश्चितता के साथ एक डायनासोर के रूप में छवि को वर्गीकृत किया।
TensorFlow और रास्पबेरी पाई, रेडी टू गो
TensorFlow के इस मूल कार्यान्वयन में पहले से ही क्षमता है। यह ऑब्जेक्ट मान्यता पाई पर हो रही है, और कार्य करने के लिए इंटरनेट कनेक्शन की आवश्यकता नहीं है। इसका मतलब है कि रास्पबेरी पाई कैमरा मॉड्यूल और रास्पबेरी पाई-उपयुक्त बैटरी इकाई के साथ, पूरी परियोजना पोर्टेबल जा सकती है।
अधिकांश ट्यूटोरियल केवल एक विषय की सतह को खरोंचते हैं, लेकिन यह इस मामले की तुलना में कभी भी ख़राब नहीं हुआ है। मशीन लर्निंग एक अविश्वसनीय रूप से घने विषय है।
अपने ज्ञान को आगे बढ़ाने का एक तरीका एक समर्पित पाठ्यक्रम लेने से होगा। ये मशीन लर्निंग कोर्स आपके लिए एक कैरियर पथ तैयार करेंगे। ये मशीन लर्निंग कोर्स आपके लिए एक कैरियर पथ तैयार करेंगे। ये उत्कृष्ट ऑनलाइन मशीन लर्निंग कोर्स आपको आवश्यक कौशल को समझने में मदद करेंगे। मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस में करियर शुरू करें। अधिक पढ़ें । इस बीच, मशीन सीखने और रास्पबेरी पाई के साथ इन टेंसोरफ्लो परियोजनाओं के साथ हाथ मिलाएं जिन्हें आप स्वयं आज़मा सकते हैं।
इसके बारे में अधिक जानें: Google TensorFlow, Image Recognition, Raspberry Pi।
