ዝርዝር ሁኔታ:
- ደረጃ 1 የማሽን ትምህርት
- ደረጃ 2 ጥልቅ ትምህርት
- ደረጃ 3 ቅድመ-ተፈላጊዎች
- ደረጃ 4 - የራስዎን እንጆሪ ፓይ እና ጥቅሎቹን ያዘምኑ
- ደረጃ 5 - የአዕምሯዊ ሞዴል ምሳሌን በመጠቀም ምስል መተንበይ
- ደረጃ 6: ብጁ ምስል ትንበያ
![Raspberry Pi ላይ TensorFlow ጋር የምስል እውቅና: 6 ደረጃዎች Raspberry Pi ላይ TensorFlow ጋር የምስል እውቅና: 6 ደረጃዎች](https://i.howwhatproduce.com/images/001/image-2392-56-j.webp)
ቪዲዮ: Raspberry Pi ላይ TensorFlow ጋር የምስል እውቅና: 6 ደረጃዎች
![ቪዲዮ: Raspberry Pi ላይ TensorFlow ጋር የምስል እውቅና: 6 ደረጃዎች ቪዲዮ: Raspberry Pi ላይ TensorFlow ጋር የምስል እውቅና: 6 ደረጃዎች](https://i.ytimg.com/vi/zRbRjpcw62E/hqdefault.jpg)
2024 ደራሲ ደራሲ: John Day | [email protected]. ለመጨረሻ ጊዜ የተሻሻለው: 2024-01-30 07:32
![Raspberry Pi ላይ በ TensorFlow የምስል ዕውቅና Raspberry Pi ላይ በ TensorFlow የምስል ዕውቅና](https://i.howwhatproduce.com/images/001/image-2392-57-j.webp)
Google TensorFlow የውሂብ ፍሰት ግራፎችን በመጠቀም ለቁጥር ስሌት ክፍት ምንጭ ሶፍትዌር ቤተ-መጽሐፍት ነው። በተለያዩ የማሽን መማሪያ እና ጥልቅ የመማር ቴክኖሎጂዎች መስኮች ላይ ጉግል ይጠቀማል። TensorFlow በመጀመሪያ የተገነባው በ Google ብሬን ቡድን ሲሆን እንደ GitHub ባሉ የህዝብ ጎራ ላይ ታትሟል።
ለተጨማሪ ትምህርቶች ብሎጋችንን ይጎብኙ። Raspberry Pi ን ከፋብሪካ Forward ያግኙ - በሕንድ ውስጥ የተፈቀደለት ሻጭ።
በብሎጋችን ላይ ይህንን ትምህርት እዚህ ያንብቡ።
ደረጃ 1 የማሽን ትምህርት
የማሽን ትምህርት እና ጥልቅ ትምህርት በአርቲፊሻል ኢንተለጀንስ (አይአይ) ስር ይመጣሉ። የማሽን ትምህርት የሚገኘውን መረጃ ይመለከታል እና ይተነትናል እና ውጤቱን በጊዜ ያሻሽላል።
ምሳሌ - YouTube የሚመከሩ ቪዲዮዎች ባህሪ። ከዚህ በፊት የተመለከቷቸውን ተዛማጅ ቪዲዮዎች ያሳያል። ትንበያው በጽሑፍ ላይ በተመሰረቱ ውጤቶች ብቻ የተገደበ ነው። ነገር ግን ጥልቅ ትምህርት ከዚህ ጠልቆ ሊገባ ይችላል።
ደረጃ 2 ጥልቅ ትምህርት
ጥልቅ ትምህርቱ ከሞላ ጎደል ተመሳሳይ ነው ፣ ግን የነገሩን የተለያዩ መረጃዎች በመሰብሰብ በራሱ የበለጠ ትክክለኛ ውሳኔ ይሰጣል። እሱ ብዙ የትንተና ንብርብሮች አሉት እና በእሱ መሠረት ውሳኔ ይወስዳል። ሂደቱን ለማጠንከር ፣ የነርቭ አውታረመረብን ይጠቀማል እና እኛ የምንፈልገውን የበለጠ ትክክለኛ ውጤት ይሰጠናል (ከኤምኤል የተሻለ ትንበያ ማለት ነው)። የሰው አንጎል እንዴት እንደሚያስብ እና ውሳኔዎችን እንደሚያደርግ የሚመስል ነገር።
ምሳሌ - የነገር ማወቂያ። በምስሉ ውስጥ ምን እንዳለ ይገነዘባል። አርዱዲኖ እና Raspberry Pi ን በመልክ ፣ በመጠን እና በቀለም መለየት የሚችሉበት ተመሳሳይ ነገር።
እሱ ሰፊ ርዕስ ነው እና የተለያዩ ትግበራዎች አሉት።
ደረጃ 3 ቅድመ-ተፈላጊዎች
TensorFlow ለ Raspberry Pi ኦፊሴላዊ ድጋፍ ይፋ አደረገ ፣ ከ ስሪት 1.9 የፒፕ ፓኬጅ መጫኛን በመጠቀም Raspberry Pi ን ይደግፋል። በዚህ መማሪያ ውስጥ በእኛ Raspberry Pi ላይ እንዴት እንደሚጭነው እናያለን።
- Python 3.4 (የሚመከር)
- Raspberry Pi
- ገቢ ኤሌክትሪክ
- Raspbian 9 (ዘርጋ)
ደረጃ 4 - የራስዎን እንጆሪ ፓይ እና ጥቅሎቹን ያዘምኑ
ደረጃ 1 የራስዎን Raspberry Pi እና ጥቅሎቹን ያዘምኑ።
sudo apt-get ዝማኔ
sudo apt-get ማሻሻል
ደረጃ 2 - ይህንን ትእዛዝ በመጠቀም የቅርብ ጊዜ የፓይዘን ስሪት እንዳለዎት ይፈትሹ።
Python3 –- ተገላቢጦሽ
ቢያንስ Python 3.4 እንዲኖር ይመከራል።
ደረጃ 3 የ libatlas ቤተ -መጽሐፍትን (ATLAS - በራስ -ሰር የተስተካከለ የመስመር አልጀብራ ሶፍትዌር) መጫን አለብን። ምክንያቱም TensorFlow ንዝረትን ይጠቀማል። ስለዚህ ፣ የሚከተለውን ትዕዛዝ በመጠቀም ይጫኑት
sudo apt install libatlas-base-dev ን ይጫኑ
ደረጃ 4: Pip3 የመጫን ትዕዛዙን በመጠቀም TensorFlow ን ይጫኑ።
pip3 tensorflow ን ይጫኑ
አሁን TensorFlow ተጭኗል።
ደረጃ 5 - የአዕምሯዊ ሞዴል ምሳሌን በመጠቀም ምስል መተንበይ
![ምናባዊ ሞዴል ምሳሌን በመጠቀም ምስልን መተንበይ ምናባዊ ሞዴል ምሳሌን በመጠቀም ምስልን መተንበይ](https://i.howwhatproduce.com/images/001/image-2392-58-j.webp)
TensorFlow ምስሎችን ለመተንበይ ሞዴል ታትሟል። ሞዴሉን መጀመሪያ ማውረድ እና ከዚያ ማስኬድ ያስፈልግዎታል።
ደረጃ 1 ሞዴሎቹን ለማውረድ የሚከተለውን ትእዛዝ ያሂዱ። Git መጫን ሊኖርብዎት ይችላል።
git clone
ደረጃ 2 - ወደ ምናባዊ ምሳሌ ይሂዱ።
ሲዲ ሞዴሎች/ትምህርቶች/ምስል/ምናባዊ
ጠቃሚ ምክር -በአዲሱ Raspbian Stretch ላይ ‹classify_image.py› ፋይልን እራስዎ ከዚያም ‹በቀኝ ጠቅ› ላይ ማግኘት ይችላሉ። 'የቅጂ ዱካ (ዎች)' ን ይምረጡ። ከዚያ ከ ‹ሲዲ› በኋላ ተርሚናል ውስጥ ይለጥፉ እና አስገባን ይጫኑ። በዚህ መንገድ ያለ ምንም ስህተቶች በፍጥነት መጓዝ ይችላሉ (የፊደል ስህተት ከተከሰተ ወይም የፋይሉ ስም በአዲስ ዝመናዎች ከተለወጠ)።
በምስሉ ላይ (/ቤት/pi) ላይ ትክክለኛውን መንገድ የሚያካትት ‹የቅጂ ዱካ (ዎች)› ዘዴን እጠቀም ነበር።
ደረጃ 3 - ይህንን ትእዛዝ በመጠቀም ምሳሌውን ያሂዱ። የተተነበየውን ውጤት ለማሳየት 30 ሰከንዶች ያህል ይወስዳል።
python3 classify_image.py
ደረጃ 6: ብጁ ምስል ትንበያ
![ብጁ ምስል ትንበያ ብጁ ምስል ትንበያ](https://i.howwhatproduce.com/images/001/image-2392-59-j.webp)
እንዲሁም ከበይነመረቡ ምስል ማውረድ ወይም ለትንበያዎች በካሜራዎ ላይ የራስዎን ምስል በጥይት መጠቀም ይችላሉ። ለተሻለ ውጤት አነስተኛ የማህደረ ትውስታ ምስሎችን ይጠቀሙ።
ብጁ ምስሎችን ለመጠቀም የሚከተለውን መንገድ ይጠቀሙ። የምስል ፋይል በአከባቢው '/home/pi/Downloads/TensorImageTest1.jpg' ላይ አለኝ። ይህንን በፋይልዎ ቦታ እና ስም ይተኩ። ለቀላል አሰሳ 'ዱካ (ቅጂዎች)' ን ይጠቀሙ።
python3 classify_image.py --image_file =/home/pi/Downloads/TensorImageTest1.jpg
ሌሎች ምሳሌዎችን መሞከርም ይችላሉ። ግን ከመፈጸሙ በፊት አስፈላጊ ጥቅሎችን መጫን ያስፈልግዎታል። በመጪዎቹ ትምህርቶች ውስጥ አንዳንድ አስደሳች የ ‹TensorFlow› ርዕሶችን እንሸፍናለን።
የሚመከር:
የምስል እውቅና በ K210 ቦርዶች እና በአርዱዲኖ አይዲኢ/ማይክሮፎን 6 ደረጃዎች (ከስዕሎች ጋር)
![የምስል እውቅና በ K210 ቦርዶች እና በአርዱዲኖ አይዲኢ/ማይክሮፎን 6 ደረጃዎች (ከስዕሎች ጋር) የምስል እውቅና በ K210 ቦርዶች እና በአርዱዲኖ አይዲኢ/ማይክሮፎን 6 ደረጃዎች (ከስዕሎች ጋር)](https://i.howwhatproduce.com/images/005/image-13407-j.webp)
የምስል እውቅና በ K210 ቦርዶች እና በአርዱዲኖ አይዲኢ/ማይክሮፎን - እኔ በ ‹Sipeed Maix Bit› ላይ የ OpenMV ማሳያዎችን እንዴት ማሄድ እንደሚቻል አንድ ጽሑፍ ቀደም ብዬ ጽፌ ነበር እንዲሁም በዚህ ሰሌዳ የነገር ማወቂያ ማሳያ ቪዲዮም አደረግሁ። ሰዎች ከጠየቋቸው ብዙ ጥያቄዎች አንዱ - የነርቭ ኔትወርክ ያልሆነውን ነገር እንዴት መለየት እችላለሁ
ከ Raspberry Pi ጋር የምስል ሂደት - OpenCV ን እና የምስል ቀለም መለያየት -4 ደረጃዎች መጫን
![ከ Raspberry Pi ጋር የምስል ሂደት - OpenCV ን እና የምስል ቀለም መለያየት -4 ደረጃዎች መጫን ከ Raspberry Pi ጋር የምስል ሂደት - OpenCV ን እና የምስል ቀለም መለያየት -4 ደረጃዎች መጫን](https://i.howwhatproduce.com/images/005/image-14151-j.webp)
ከ Raspberry Pi ጋር የምስል ሂደት - OpenCV ን እና የምስል ቀለም መለያየትን በመጫን ላይ - ይህ ልጥፍ ከሚከተሉት በርካታ የምስል ማቀናጃ ትምህርቶች የመጀመሪያው ነው። አንድ ምስል የሚሠሩትን ፒክሰሎች ጠለቅ ብለን እንመለከታለን ፣ በ “Raspberry Pi” ላይ OpenCV ን እንዴት እንደሚጭኑ እንማራለን እንዲሁም አንድ ምስል ለመያዝ የሙከራ ስክሪፕቶችን እንጽፋለን እንዲሁም ደግሞ
የቀለም እውቅና ወ/ TCS230 ዳሳሽ እና አርዱinoኖ [የመለኪያ ኮድ ተካትቷል] 12 ደረጃዎች
![የቀለም እውቅና ወ/ TCS230 ዳሳሽ እና አርዱinoኖ [የመለኪያ ኮድ ተካትቷል] 12 ደረጃዎች የቀለም እውቅና ወ/ TCS230 ዳሳሽ እና አርዱinoኖ [የመለኪያ ኮድ ተካትቷል] 12 ደረጃዎች](https://i.howwhatproduce.com/images/009/image-24229-j.webp)
የቀለም እውቅና W/ TCS230 ዳሳሽ እና አርዱinoኖ [የመለኪያ ኮድ ተካትቷል] አጠቃላይ እይታ በዚህ መማሪያ ውስጥ ስለ TCS230 ዳሳሽ እና ቀለሞችን ለመለየት ከአርዱዲኖ ጋር እንዴት እንደሚጠቀሙበት ይማራሉ። በዚህ መማሪያ መጨረሻ ላይ የቀለም መልቀሚያ ብዕር ለመፍጠር አስደናቂ ሀሳብ ያገኛሉ። በዚህ ብዕር ፣ የ… ያሉትን ቀለሞች መቃኘት ይችላሉ
የ ESP32 CAM የፊት እውቅና በ MQTT ድጋፍ - AI-Thinker: 4 ደረጃዎች
![የ ESP32 CAM የፊት እውቅና በ MQTT ድጋፍ - AI-Thinker: 4 ደረጃዎች የ ESP32 CAM የፊት እውቅና በ MQTT ድጋፍ - AI-Thinker: 4 ደረጃዎች](https://i.howwhatproduce.com/images/011/image-32241-j.webp)
የ ESP32 CAM የፊት እውቅና በ MQTT ድጋፍ | AI-Thinker: ጤና ይስጥልኝ! ለ ‹MQTT ›መረጃን መላክ የሚችል የ‹ ESP CAM ›እንዲኖረኝ ከተፈለገ ለፕሮጀክት ኮዴን ለማካፈል ፈልጌ ነበር። ደህና። ምናልባት ከ 7 ሰዓታት በኋላ ብዙ የኮድ ምሳሌዎችን በመመልከት እና ምን እንደ ሆነ በመፈለግ ፣ ፍፃሜ አለኝ
አርዱዲኖ ጊታር ጃክ ቁልፍ ያዥ በጃክ እውቅና እና ኦሌድ 7 ደረጃዎች
![አርዱዲኖ ጊታር ጃክ ቁልፍ ያዥ በጃክ እውቅና እና ኦሌድ 7 ደረጃዎች አርዱዲኖ ጊታር ጃክ ቁልፍ ያዥ በጃክ እውቅና እና ኦሌድ 7 ደረጃዎች](https://i.howwhatproduce.com/images/005/image-12657-4-j.webp)
አርዱዲኖ ጊታር ጃክ ቁልፍ ያዥ ከጃክ እውቅና እና ከኦሌድ ጋር: መግቢያ - ይህ አስተማሪ በአርዱዲኖ ላይ የተመሠረተ የጊታር ጃክ ተሰኪ ቁልፍ መያዣን ግንባታ በዝርዝር ይገልጻል ይህ በመንገድ ላይ ለውጦችን / ዝመናዎችን ማድረግ ስለምችል እባክዎን ይታገሱኝ።