रास्पबेरी पाई पर TensorFlow के साथ छवि पहचान: 6 कदम

2024 लेखक: John Day | [email protected]. अंतिम बार संशोधित: 2024-01-30 09:22

Google TensorFlow डेटा प्रवाह ग्राफ़ का उपयोग करके संख्यात्मक गणना के लिए एक ओपन-सोर्स सॉफ़्टवेयर लाइब्रेरी है। इसका उपयोग Google द्वारा मशीन लर्निंग और डीप लर्निंग टेक्नोलॉजी के विभिन्न क्षेत्रों में किया जाता है। TensorFlow मूल रूप से Google Brain Team द्वारा विकसित किया गया था और इसे GitHub जैसे सार्वजनिक डोमेन पर प्रकाशित किया गया है।

अधिक ट्यूटोरियल के लिए हमारे ब्लॉग पर जाएँ। फ़ैक्टरीफ़ॉरवर्ड से रास्पबेरी पाई प्राप्त करें - भारत में स्वीकृत पुनर्विक्रेता।

इस ट्यूटोरियल को हमारे ब्लॉग पर यहाँ पढ़ें।

चरण 1: मशीन लर्निंग

मशीन लर्निंग और डीप लर्निंग आर्टिफिशियल इंटेलिजेंस (एआई) के तहत आएंगे। एक मशीन लर्निंग उपलब्ध डेटा का निरीक्षण और विश्लेषण करेगा और समय के साथ इसके परिणामों में सुधार करेगा।

उदाहरण: YouTube अनुशंसित वीडियो सुविधा। यह संबंधित वीडियो दिखाता है जो आपने पहले देखे थे। भविष्यवाणी केवल पाठ-आधारित परिणामों तक ही सीमित है। लेकिन गहरी सीख इससे कहीं ज्यादा गहरी हो सकती है।

चरण 2: डीप लर्निंग

गहन शिक्षण लगभग उसी के समान है, लेकिन यह किसी वस्तु की विभिन्न जानकारी एकत्र करके अपने आप अधिक सटीक निर्णय लेता है। इसमें विश्लेषण की कई परतें होती हैं और यह उसी के अनुसार निर्णय लेती है। प्रक्रिया को तेज करने के लिए, यह तंत्रिका नेटवर्क का उपयोग करता है और हमें अधिक सटीक परिणाम प्रदान करता है जो हमें चाहिए (मतलब एमएल से बेहतर भविष्यवाणी)। कुछ ऐसा है जैसे मानव मस्तिष्क कैसे सोचता है और निर्णय लेता है।

उदाहरण: वस्तु का पता लगाना। यह पता लगाता है कि एक छवि में क्या उपलब्ध है। कुछ ऐसा ही है कि आप एक Arduino और रास्पबेरी पाई को उसके स्वरूप, आकार और रंगों से अलग कर सकते हैं।

यह एक विस्तृत विषय है और इसके विभिन्न अनुप्रयोग हैं।

चरण 3: पूर्व-आवश्यकताएँ

TensorFlow ने रास्पबेरी पाई के लिए आधिकारिक समर्थन की घोषणा की, संस्करण 1.9 से यह पाइप पैकेज इंस्टॉलेशन का उपयोग करके रास्पबेरी पाई का समर्थन करेगा। हम इस ट्यूटोरियल में देखेंगे कि इसे हमारे रास्पबेरी पाई पर कैसे स्थापित किया जाए।

• पायथन 3.4 (अनुशंसित)
• रास्पबेरी पाई
• बिजली की आपूर्ति
• रास्पियन 9 (खिंचाव)

चरण 4: अपना रास्पबेरी पाई और उसके पैकेज अपडेट करें

चरण 1: अपना रास्पबेरी पाई और उसके पैकेज अपडेट करें।

सुडो एपीटी-अपडेट प्राप्त करें

सुडो एपीटी-अपग्रेड प्राप्त करें

चरण 2: इस आदेश का उपयोग करके परीक्षण करें कि आपके पास नवीनतम पायथन संस्करण है।

python3 --संस्करण

कम से कम पायथन 3.4 होने की अनुशंसा की जाती है।

चरण 3: हमें libatlas पुस्तकालय (ATLAS - स्वचालित रूप से ट्यून किए गए रैखिक बीजगणित सॉफ़्टवेयर) को स्थापित करने की आवश्यकता है। क्योंकि TensorFlow numpy का उपयोग करता है। तो, निम्न आदेश का उपयोग करके इसे स्थापित करें

sudo apt libatlas-base-dev. स्थापित करें

चरण 4: Pip3 इंस्टाल कमांड का उपयोग करके TensorFlow स्थापित करें।

pip3 टेंसरफ़्लो स्थापित करें

अब TensorFlow स्थापित हो गया है।

चरण 5: इमेजनेट मॉडल उदाहरण का उपयोग करके एक छवि की भविष्यवाणी करना:

TensorFlow ने छवियों की भविष्यवाणी करने के लिए एक मॉडल प्रकाशित किया है। आपको पहले मॉडल को डाउनलोड करना होगा और फिर उसे चलाना होगा।

चरण 1: मॉडल डाउनलोड करने के लिए निम्न आदेश चलाएँ। आपको गिट स्थापित करने की आवश्यकता हो सकती है।

गिट क्लोन

चरण 2: इमेजनेट उदाहरण पर नेविगेट करें।

सीडी मॉडल/ट्यूटोरियल/छवि/इमेजनेट

प्रो टिप: नए रास्पियन स्ट्रेच पर, आप 'classify_image.py' फ़ाइल को मैन्युअल रूप से पा सकते हैं और फिर उस पर 'राइट क्लिक' कर सकते हैं। 'कॉपी पाथ' चुनें। फिर इसे 'cd' के बाद टर्मिनल में पेस्ट करें और एंटर दबाएं। इस तरह आप बिना किसी त्रुटि के तेजी से नेविगेट कर सकते हैं (वर्तनी की गलती के मामले में या नए अपडेट में फ़ाइल का नाम बदल जाता है)।

मैंने 'कॉपी पथ (ओं)' पद्धति का उपयोग किया है, इसलिए इसमें छवि (/ होम / पीआई) पर सटीक पथ शामिल होगा।

चरण 3: इस आदेश का उपयोग करके उदाहरण चलाएँ। अनुमानित परिणाम दिखाने में लगभग 30 सेकंड का समय लगेगा।

python3 classify_image.py

चरण 6: कस्टम छवि भविष्यवाणी

आप इंटरनेट से एक छवि भी डाउनलोड कर सकते हैं या भविष्यवाणियों के लिए अपने कैमरे पर अपने स्वयं के शॉट का उपयोग कर सकते हैं। बेहतर परिणामों के लिए कम स्मृति छवियों का उपयोग करें।

कस्टम छवियों का उपयोग करने के लिए, निम्न तरीके का उपयोग करें। मेरे पास '/home/pi/Downloads/TensorImageTest1.jpg' स्थान पर छवि फ़ाइल है। बस इसे अपने फ़ाइल स्थान और नाम से बदलें। आसान नेविगेशन के लिए 'कॉपी पाथ' का इस्तेमाल करें।

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

आप अन्य उदाहरण भी आजमा सकते हैं। लेकिन आपको निष्पादन से पहले आवश्यक पैकेज स्थापित करने की आवश्यकता है। हम आगामी ट्यूटोरियल में कुछ दिलचस्प TensorFlow विषयों को शामिल करेंगे।