اجرای هوش مصنوعی و یادگیری ماشین TensorFlow در رزبری پای

سلام. آموزش نصب هوش مصنوعی و یادگیری ماشین TensorFlow در رزبری پای را آماده کردیم.

یادگیری ماشینی و هوش مصنوعی موضوعات مهمی در صنایع هستند و امروزه شاهد افزایش مشارکت آنها با راه اندازی دستگاه های الکترونیکی جدید هستیم. در حال حاضر ، بسیاری از دستگاه های موجود در بازار از قدرت یادگیری ماشین و هوش مصنوعی استفاده می کنند ، مانند دوربین گوشی های هوشمند از ویژگی های AI برای تشخیص چهره و بیان سن ظاهری برای تشخیص چهره استفاده می کند.

جای تعجب ندارد که گوگل یکی از پیشگامان این فناوری است. Google قبلاً چهارچوبهای ML و AI را ساخته است كه ما به راحتی می توانیم در برنامه های خود آن را پیاده سازی كنیم. TensorFlow یکی از مشهورترین کتابخانه های شبکه عصبی متن باز گوگل است که در برنامه های یادگیری ماشینی مانند طبقه بندی تصویر ، تشخیص اشیاء و … استفاده می شود.

در سال های آینده شاهد استفاده بیشتر از هوش مصنوعی در زندگی روزمره خود خواهیم بود و هوش مصنوعی قادر به انجام کارهای روزانه شما مانند سفارش های مغازه، راه اندازی ماشین ، کنترل وسایل منزل شما و … خواهد بود.

در این آموزش می آموزیم که چگونه TensorFlow را روی Raspberry Pi نصب کنیم و چند نمونه طبقه بندی تصویر ساده را در یک شبکه عصبی از قبل آموزش دیده نشان خواهیم داد. ما قبلاً از رزبری پای برای سایر کارهای پردازش تصویر استفاده کرده ایم :

• تشخیص پلاک خودرو با رزبری پای و پردازش تصویر OpenCV
• پروژه شناسایی چهره با OpenCV و رزبری پای + فیلم عملکرد

موارد مورد نیاز نصب هوش مصنوعی در Raspberry pi

1. رزبری پای با سیستم عامل Raspbian نصب شده (کارت SD حداقل 16 گیگابایت)
2. اتصال به اینترنت

Raspberry pi ، به عنوان یک وسیله قابل حمل و کم مصرف مصرف ، در بسیاری از برنامه های پردازش تصویر مانند تشخیص چهره ، ردیابی اشیاء ، سیستم امنیتی خانگی ، دوربین مدار بسته و … مورد استفاده قرار می گیرد. تعداد زیادی از برنامه های قدرتمند پردازش تصویر می توانند با رزبری پای ساخته شوند.

در گذشته نصب TensorFlow کار بسیار دشواری بود اما اخیرا توسعه دهندگان ML و AI این کار را بسیار ساده کرده است و اکنون فقط با استفاده از چند دستور قابل نصب است. حتی اگر شما در حوزه یادگیری ماشین تازه کار هستید ، مشکلی پیش نمی آید و هنوز هم می توانید با آموزش ادامه دهید و از برخی از برنامه های مثال برای یادگیری آن استفاده کنید.

آموزش مرحله به مرحله نصب TensorFlow در رزبری پای

در زیر مراحل نصب TensorFlow در رزبری پای آورده شده است :

مرحله 1: قبل از نصب TensorFlow در Raspberry Pi ، ابتدا سیستم عامل Raspbian را با استفاده از دستورات زیر به روز کنید.

sudo apt-get update
sudo apt-get upgrade

مرحله 2: سپس كتابخانه Atlas را نصب كنید تا از Numpy و سایر وابستگی ها پشتیبانی كند.

sudo apt install libatlas-base-dev

مرحله 3: پس از اتمام کار ، TensorFlow را از طریق pip3 با استفاده از دستور زیر نصب کنید.

pip3 install tensorflow

نصب TensorFlow برخی طول خواهد کشید ، اگر هنگام نصب با خطایی مواجه شدید ، کافیست آن را با استفاده از دستور بالا دوباره امتحان کنید.

مرحله 4: پس از نصب موفقیت آمیز TensorFlow ، با استفاده از برنامه Hello World بررسی خواهیم کرد که آیا درست نصب شده است یا خیر. برای انجام آن ویرایشگر متن نانو را با استفاده از دستور زیر باز کنید.

sudo nano tfcheck.py

و در خطوط زیر را در ترمینال نانو کپی کنید و آن را با استفاده از ctrl + x ذخیره کرده و enter را بزنید.

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

مرحله 5: اکنون ، اسکریپت را در ترمینال با استفاده از دستور زیر اجرا کنید.

python3 tfcheck.py

اگر همه بسته ها به درستی نصب شده باشند ، Hello Tensorflow را مشاهده خواهید کرد. تمام هشدارها را نادیده بگیرید.

در این صورت Tensorflowخوب کار می کند و اکنون ما با استفاده از TensorFlow کار های جالبی را انجام خواهیم داد و نیازی نیست که برای انجام این پروژه هیچ دانشی در مورد یادگیری ماشین و یادگیری عمیق داشته باشید.

نصب طبقه بندی تصویر بر روی Raspberry Pi برای تشخیص تصویر

در اینجا ما برنامه طبقه بندی تصاویر را روی رزبری پای راه اندازی میکنیم تا رزبری پای تشخیص دهد تصویر داده شده به چیزی شبیه است.

مرحله 1: با استفاده از دستورات زیر ، دایرکتوری ایجاد کرده و به آن بروید.

mkdir tf
cd tf

مرحله 2: اکنون مدل های موجود در مخزن TensorFlow GIT را بارگیری کنید. با استفاده از دستور زیر ، مخزن را وارد پوشه tf کنید.

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

نصب نیاز به زمان دارد و از نظر اندازه نیز بسیار بزرگ است بنابراین مطمئن شوید که به اندازه کافی فضا دارید.

مرحله 3: ما از مثال های طبقه بندی تصویر استفاده می کنیم که می توانید آن را در models/tutorials/image/imagenet پیدا کنید. با استفاده از دستور زیر به این پوشه بروید.

cd models/tutorials/image/imagenet

مرحله 4: اکنون یک تصویر را به برنامه میدهیم تا آن را تشخیص دهد.

python3 classify_image.py --image_file=/home/pi/image_file_name

image_file_name را با تصویری که میخواهید جایگزین کنید و سپس اینتر را بزنید.

در زیر چند نمونه از شناسایی و تشخیص تصاویر با استفاده از TensorFlow آورده شده است.

همانطور که میکنید، Tenserflow تصویر موبایل را با دقت 99 درصد تشخیص داد.

Tenserflow تصویر یک گربه را با اختلاف بالایی نسبت به گزینه های دیگر تشخیص داده است.

همانطور که مشاهده میشود، Tenserflow تصویر کوه را با دقت تقریبا 65 درصد تشخیص داده است.

در تمام مثالهای فوق نتایج بسیار خوب است و TensorFlow به راحتی می تواند تصاویر را با اطمینان خوبی طبقه بندی کند.