機械学習と人工知能は、今日の業界でトレンドとなっているトピックであり、すべての新しい電子機器の発売への関与が高まっていることがわかります。コンピュータサイエンスエンジニアリングのほとんどすべてのアプリケーションは、将来の結果を分析および予測するために機械学習を使用しています。スマートフォンのカメラが顔検出にAI対応機能を使用し、顔検出から見かけの年齢を伝えるなど、機械学習と人工知能の力を使用している多くのデバイスがすでに市場に出回っています。
Googleがこのテクノロジーのパイオニアの1つであることは当然のことです。Googleは、アプリケーションに簡単に実装できる多くのMLおよびAIフレームワークをすでに作成しています。TensorFlowは、画像分類、オブジェクト検出などの機械学習アプリケーションで使用される、よく知られているGoogleのオープンソースニューラルネットワークライブラリの1つです。
今後の数年間で、私たちは私たちの日常生活の中でAIの多くの使用が表示され、AIは、オンライン食料品を注文するようなあなたの毎日のタスクを処理することができるようになります、車の運転など、我々はいくつかの悪用を置き去りにする理由だから、あなたの家庭用電化製品の制御機RaspberryPiなどのポータブルデバイスのアルゴリズム。
このチュートリアルでは、Raspberry PiにTensorFlowをインストールする方法を学習し、事前にトレーニングされたニューラルネットワークでの簡単な画像分類の例をいくつか示します。以前は、光学式文字認識、顔認識、ナンバープレート検出などの他の画像処理タスクにRaspberryPiを使用していました。
要件
- RaspbianOSがインストールされたRaspberryPi（SDカード少なくとも16 GB）
- 働くインターネット接続
ここでは、SSHを使用してラップトップ上のRaspberryPiにアクセスします。ラップトップでVNCまたはリモートデスクトップ接続を使用するか、Raspberrypiをモニターに接続できます。モニターなしでヘッドレスでRaspberryPiをセットアップする方法の詳細については、こちらをご覧ください。
Raspberry piは、ポータブルで消費電力の少ないデバイスであり、顔認識、オブジェクトトラッキング、ホームセキュリティシステム、監視カメラなど、多くのリアルタイム画像処理アプリケーションで使用されています。多くの強力な画像処理アプリケーションを構築できます。
以前は、TensorFlowのインストールは非常に困難な作業でしたが、最近のMLおよびAI開発者の貢献により、非常に簡単になり、いくつかのコマンドを使用するだけでインストールできるようになりました。機械学習とディープラーニングの基本を知っている場合は、ニューラルネットワーク内で何が起こっているのかを知ることが役立ちます。ただし、機械学習ドメインを初めて使用する場合でも、チュートリアルを続行し、いくつかのサンプルプログラムを使用して学習することができます。
RaspberryPiへのTensorFlowのインストール
以下は、RaspberrypiにTensorFlowをインストールするための手順です。
ステップ1： Raspberry PiにTensorFlowをインストールする前に、まず次のコマンドを使用してRaspbianOSを更新およびアップグレードします
sudo apt-get update sudo apt-get upgrade
ステップ2：次に、Atlas ライブラリをインストールし て、 Numpy およびその他の依存関係のサポートを取得します。
sudo apt install libatlas-base-dev
ステップ3：それが完了したら、以下のコマンドを使用してpip3経由でTensorFlowをインストールします
pip3 installtensorflow
TensorFlowのインストールには多少時間がかかります。インストール中にエラーが発生した場合は、上記のコマンドを使用して再試行してください。
ステップ4： TensorFlowのインストールが正常に完了したら、小さな Hello world プログラムを使用して、TensorFlowが正しくインストールされているかどうかを確認します。これを行うには、以下のコマンドを使用して nano テキストエディタを開きます。
sudo nano tfcheck.py
そして、 nano ターミナルの行の下にコピーアンドペーストし、ctrl + xを使用して保存してEnterキーを押します。
tensorflowをtfhello = tf.constant（ 'Hello、TensorFlow！'） としてインポートします。sess = tf.Session（） print（sess.run（hello））
ステップ5：次に、以下のコマンドを使用して、ターミナルでこのスクリプトを実行します
python3 tfcheck.py
すべてのパッケージが正しくインストールされている場合は、 Hello Tensorflow！ が表示されます 。 以下に示すように最後の行のメッセージは、すべての警告を無視してください。
これは正常に機能し、TensorFlowを使用して何か面白いことをします。このプロジェクトを行うために、機械学習やディープラーニングの知識は必要ありません。ここでは、画像が事前に構築されたモデルで提供され、TensorFlowが画像を識別します。TensorFlowは、画像内にあるものの最も近い確率を提供します。
画像認識のためのRaspberryPiへの画像分類器のインストール
ステップ1：-ディレクトリを作成し、以下のコマンドを使用してディレクトリに移動します。
mkdir tf cd tf
ステップ2：-次に、TensorFlowGITリポジトリで利用可能なモデルをダウンロードします。以下のコマンドを使用して、リポジトリを tf ディレクトリに 複製 します
git clone https://github.com/tensorflow/models.git
これはインストールに時間がかかり、サイズが大きいため、十分なデータプランがあることを確認してください。
ステップ3： -models / tutorials / image / imagenetに ある画像分類の例を使用します 。 以下のコマンドを使用して、このフォルダーに移動します
cdモデル/チュートリアル/画像/ imagenet
ステップ4：-次に、以下のコマンドを使用して、構築済みのニューラルネットワークに画像をフィードします。
python3 classify_image.py --image_file = / home / pi / image_file_name
image_file_name をフィードする必要のある画像に置き換えてから、 Enterキー を押します。
以下は、TensorFlowを使用して画像を検出および認識するいくつかの例です。
悪くない！ニューラルネットは、他のオプションと比較した場合、画像を高い確実性で エジプトの猫 として分類しました。
上記のすべての例で、結果はかなり良好であり、TensorFlowは画像を非常に確実に簡単に分類できます。カスタマイズした画像を使用してこれを試すことができます。
機械学習の知識がある場合は、いくつかのライブラリを使用して、このプラットフォームでオブジェクト検出を実行できます。
/>