기계 학습 및 인공 지능 은 오늘날 업계에서 유행하는 주제이며 모든 새로운 전자 장치 출시에 대한 참여가 증가하고 있음을 알 수 있습니다. 컴퓨터 과학 공학의 거의 모든 응용 프로그램은 미래의 결과를 분석하고 예측하기 위해 기계 학습 을 사용 합니다. 이미 스마트 폰의 카메라가 얼굴 감지를 위해 AI 지원 기능을 사용하고 얼굴 감지에서 겉보기 연령을 알려주는 것처럼 기계 학습 및 인공 지능의 힘을 사용하는 많은 장치가 시장에 출시되었습니다.
Google이이 기술의 선구자 중 하나라는 것은 놀라운 일이 아닙니다. Google은 이미 애플리케이션에서 쉽게 구현할 수있는 많은 ML 및 AI 프레임 워크를 만들었습니다. TensorFlow는 이미지 분류, 객체 감지 등과 같은 기계 학습 애플리케이션에 사용되는 잘 알려진 Google의 오픈 소스 신경망 라이브러리 중 하나입니다.
앞으로 몇 년 동안 우리는 일상 생활에서 AI를 더 많이 사용하게 될 것이며 AI는 온라인 식료품 주문, 자동차 운전, 가전 제품 제어 등과 같은 일상 업무를 처리 할 수있을 것입니다. 따라서 우리가 일부 기계 를 활용하기 위해 남겨둔 이유 Raspberry Pi와 같은 휴대용 장치의 알고리즘.
이 튜토리얼에서는 Raspberry Pi에 TensorFlow를 설치하는 방법을 배우고 사전 훈련 된 신경망에서 간단한 이미지 분류를 사용한 몇 가지 예를 보여줍니다. 이전에는 광학 문자 인식, 얼굴 인식, 번호판 감지 등과 같은 다른 이미지 처리 작업에 Raspberry Pi를 사용했습니다.
요구 사항
- Raspbian OS가 설치된 Raspberry Pi (SD 카드 최소 16GB)
- 작동중인 인터넷 연결
여기서는 SSH를 사용하여 랩톱에서 Raspberry Pi에 액세스합니다. 랩톱에서 VNC 또는 원격 데스크톱 연결을 사용하거나 Raspberry pi를 모니터에 연결할 수 있습니다. 여기에서 모니터없이 헤드리스로 Raspberry Pi를 설정하는 방법에 대해 자세히 알아보십시오.
Raspberry pi는 휴대 가능하고 전력 소모가 적은 장치로서 얼굴 인식, 물체 추적, 홈 보안 시스템, 감시 카메라 등과 같은 많은 실시간 이미지 처리 응용 프로그램에서 사용됩니다. OpenCV와 같은 컴퓨터 비전 소프트웨어를 Raspberry Pi와 함께 사용하면 많은 강력한 이미지 처리 애플리케이션을 구축 할 수 있습니다.
과거에는 TensorFlow 를 설치하는 것이 매우 어려웠지만 최근 ML 및 AI 개발자의 기여로 매우 간단하게 만들었으며 이제는 몇 가지 명령을 사용하여 설치할 수 있습니다. 머신 러닝 및 딥 러닝의 기본 사항 을 알고 있다면 신경망 내부에서 일어나는 일을 아는 것이 도움이 될 것입니다. 그러나 머신 러닝 도메인을 처음 사용하는 경우에도 튜토리얼을 계속 진행하고 몇 가지 예제 프로그램을 사용하여 배울 수 있습니다.
Raspberry Pi에 TensorFlow 설치
다음은 Raspberry pi에 TensorFlow를 설치하는 단계입니다.
1 단계: Raspberry Pi에 TensorFlow를 설치하기 전에 먼저 다음 명령을 사용하여 Raspbian OS를 업데이트하고 업그레이드합니다.
sudo apt-get 업데이트 sudo apt-get 업그레이드
2 단계: 그런 다음 Numpy 및 기타 종속성에 대한 지원을 받기 위해 Atlas 라이브러리를 설치합니다.
sudo apt 설치 libatlas-base-dev
3 단계: 완료되면 아래 명령을 사용하여 pip3을 통해 TensorFlow를 설치합니다.
pip3 tensorflow 설치
TensorFlow를 설치하는 데 약간의 시간이 소요됩니다. 설치 중에 오류가 발생하면 위의 명령을 사용하여 다시 시도하십시오.
4 단계: TensorFlow를 성공적으로 설치 한 후 작은 Hello world 프로그램 을 사용하여 제대로 설치되었는지 확인합니다. 그렇게하려면 아래 명령을 사용하여 나노 텍스트 편집기를 엽니 다.
sudo nano tfcheck.py
그리고 나노 터미널의 줄 아래에 복사하여 붙여넣고 ctrl + x를 사용하여 저장하고 Enter 키를 누릅니다.
import tensorflow as tf hello = tf.constant ('Hello, TensorFlow!') sess = tf.Session () print (sess.run (hello))
5 단계: 이제 아래 명령을 사용하여 터미널에서이 스크립트를 실행합니다.
python3 tfcheck.py
모든 패키지가 제대로 설치되면 Hello Tensorflow! 다음과 같이 마지막 줄에 메시지가 표시되면 모든 경고를 무시하십시오.
잘 작동하고 이제 TensorFlow를 사용하여 흥미로운 작업을 수행 할 것이며이 프로젝트를 수행하기 위해 머신 러닝 및 딥 러닝에 대한 지식이 필요하지 않습니다. 여기에서 이미지가 미리 빌드 된 모델로 공급되고 TensorFlow가 이미지를 식별합니다. TensorFlow는 이미지에있는 것의 가장 가까운 확률을 제공합니다.
이미지 인식을 위해 Raspberry Pi에 이미지 분류기 설치
1 단계:- 디렉터리를 만들고 아래 명령을 사용하여 디렉터리로 이동합니다.
mkdir tf cd tf
2 단계:- 이제 TensorFlow GIT 저장소에서 사용할 수있는 모델을 다운로드합니다. 아래 명령을 사용하여 저장소를 tf 디렉토리 로 복제하십시오.
git clone https://github.com/tensorflow/models.git
설치하는 데 다소 시간이 걸리며 크기가 크므로 충분한 데이터 계획이 있는지 확인하십시오.
3 단계: 모델 / 튜토리얼 / 이미지 / 이미지 넷 에서 찾을 수있는 이미지 분류 예제를 사용합니다 . 아래 명령을 사용하여이 폴더로 이동하십시오.
cd 모델 / 튜토리얼 / 이미지 / 이미지 넷
4 단계: 이제 아래 명령을 사용하여 사전 구축 된 신경망에 이미지를 공급합니다.
python3 classify_image.py --image_file = / home / pi / image_file_name
교체 image_file_name을 당신이 피드에있는 다음 Enter 키를 누르라는 이미지와 함께.
다음은 TensorFlow를 사용하여 이미지를 감지하고 인식하는 몇 가지 예입니다.
나쁘지 않다! 신경망은 이미지를 다른 옵션과 비교할 때 높은 확실성을 가진 이집트 고양이 로 분류했습니다.
위의 모든 예에서 결과는 꽤 좋고 TensorFlow는 가까운 확실성으로 이미지를 쉽게 분류 할 수 있습니다. 사용자 정의 이미지를 사용하여 시도해 볼 수 있습니다.
머신 러닝에 대한 지식이 있으면 일부 라이브러리를 사용하여이 플랫폼에서 객체 감지를 수행 할 수 있습니다.
/>