يعد التعلم الآلي والذكاء الاصطناعي من الموضوعات الشائعة في الصناعات الآن ، ويمكننا أن نرى مشاركتهم المتزايدة مع إطلاق كل جهاز إلكتروني جديد. يستخدم كل تطبيق لهندسة علوم الكمبيوتر تقريبًا التعلم الآلي لتحليل النتائج المستقبلية والتنبؤ بها. بالفعل ، هناك العديد من الأجهزة التي تم طرحها في السوق والتي تستخدم قوة التعلم الآلي والذكاء الاصطناعي ، مثل كاميرا الهاتف الذكي التي تستخدم ميزات تم تمكين AI لاكتشاف الوجه وإخبار العمر الظاهر من اكتشاف الوجه.
لا عجب أن Google هي واحدة من الشركات الرائدة في هذه التقنية. أنشأت Google بالفعل العديد من أطر ML و AI التي يمكننا تنفيذها بسهولة في تطبيقاتنا. TensorFlow هي إحدى مكتبات الشبكات العصبية المشهورة والمفتوحة المصدر من Google والتي تُستخدم في تطبيقات التعلم الآلي مثل تصنيف الصور واكتشاف الكائنات وما إلى ذلك.
في السنوات القادمة ، سنرى استخدامًا أكبر للذكاء الاصطناعي في حياتنا اليومية وسيكون الذكاء الاصطناعي قادرًا على التعامل مع مهامك اليومية مثل طلب البقالة عبر الإنترنت وقيادة السيارة والتحكم في أجهزتك المنزلية وما إلى ذلك ، فلماذا تركنا وراءنا لاستغلال بعض الآلات الخوارزميات على الأجهزة المحمولة مثل Raspberry Pi.
في هذا البرنامج التعليمي ، سوف نتعلم كيفية تثبيت TensorFlow على Raspberry Pi وسنعرض بعض الأمثلة مع تصنيف بسيط للصور على شبكة عصبية مُدربة مسبقًا. استخدمنا سابقًا Raspberry Pi لمهام معالجة الصور الأخرى مثل التعرف الضوئي على الأحرف والتعرف على الوجوه واكتشاف لوحة الأرقام وما إلى ذلك.
المتطلبات
- Raspberry Pi مع نظام تشغيل Raspbian مثبت عليه (بطاقة SD على الأقل 16 جيجابايت)
- يعمل اتصال الإنترنت
هنا ، سوف نستخدم SSH للوصول إلى Raspberry Pi على الكمبيوتر المحمول. يمكنك استخدام اتصال VNC أو Remote Desktop على الكمبيوتر المحمول ، أو يمكنك توصيل Raspberry pi بشاشة. تعرف على المزيد حول إعداد Raspberry Pi بدون رأس هنا بدون شاشة.
يتم استخدام Raspberry Pi ، باعتباره جهازًا محمولاً وأقل استهلاكًا للطاقة ، في العديد من تطبيقات معالجة الصور في الوقت الفعلي مثل التعرف على الوجوه وتتبع الأشياء ونظام أمان المنزل وكاميرا المراقبة وما إلى ذلك. يمكن بناء الكثير من تطبيقات معالجة الصور القوية.
في الماضي ، كان تثبيت TensorFlow مهمة صعبة للغاية ، لكن المساهمة الأخيرة لمطوري ML و AI جعلت الأمر بسيطًا للغاية ويمكن الآن تثبيته فقط باستخدام بعض الأوامر. إذا كنت تعرف بعض أساسيات التعلم الآلي والتعلم العميق ، فسيكون من المفيد لك معرفة ما يجري داخل الشبكة العصبية. ولكن حتى إذا كنت جديدًا في مجال التعلم الآلي ، فلن تكون هناك مشكلة ، فلا يزال بإمكانك متابعة البرنامج التعليمي واستخدام بعض الأمثلة على البرامج لتعلمه.
تثبيت TensorFlow في Raspberry Pi
فيما يلي خطوات تثبيت TensorFlow في Raspberry pi:
الخطوة 1: قبل تثبيت TensorFlow في Raspberry Pi ، قم أولاً بتحديث نظام التشغيل Raspbian وترقيته باستخدام الأوامر التالية
sudo apt-get update sudo apt-get Upgrade
الخطوة 2: ثم قم بتثبيت مكتبة Atlas للحصول على دعم لـ Numpy وتبعيات أخرى.
sudo apt تثبيت libatlas-base-dev
الخطوة 3: بمجرد الانتهاء من ذلك ، قم بتثبيت TensorFlow عبر pip3 باستخدام الأمر أدناه
pip3 تثبيت tensorflow
سيستغرق تثبيت TensorFlow بعض الوقت ، إذا واجهت بعض الأخطاء أثناء التثبيت ، فما عليك سوى إعادة المحاولة باستخدام الأمر أعلاه.
الخطوة 4: بعد التثبيت الناجح لـ TensorFlow ، سوف نتحقق مما إذا كان قد تم تثبيته بشكل صحيح باستخدام برنامج Hello world صغير. للقيام بذلك ، افتح محرر نصوص nano باستخدام الأمر أدناه:
sudo نانو tfcheck.py
وانسخ الأسطر أدناه والصقها في nano terminal واحفظها باستخدام ctrl + x واضغط على Enter.
استيراد tensorflow كـ tf hello = tf.constant ('Hello، TensorFlow!') sess = tf.Session () print (sess.run (hello))
الخطوة 5: الآن ، قم بتشغيل هذا البرنامج النصي في المحطة باستخدام الأمر أدناه
python3 tfcheck.py
إذا تم تثبيت جميع الحزم بشكل صحيح ، فسترى Hello Tensorflow! في السطر الأخير كما هو موضح أدناه ، تجاهل جميع التحذيرات.
إنه يعمل بشكل جيد والآن سنفعل شيئًا مثيرًا للاهتمام باستخدام TensorFlow ولست بحاجة إلى أي معرفة بالتعلم الآلي والتعلم العميق للقيام بهذا المشروع. هنا يتم تغذية الصورة في نموذج مبني مسبقًا وسيحدد TensorFlow الصورة. سيعطي TensorFlow أقرب احتمال لما هو موجود في الصورة.
تثبيت مصنف الصور على Raspberry Pi للتعرف على الصور
الخطوة 1: - قم بإنشاء دليل وانتقل إلى الدليل باستخدام الأوامر أدناه.
mkdir tf cd tf
الخطوة 2: - الآن ، قم بتنزيل النماذج المتوفرة في مستودع TensorFlow GIT. استنساخ المستودع في دليل tf باستخدام الأمر أدناه
git clone https://github.com/tensorflow/models.git
سيستغرق التثبيت بعض الوقت ، وهو كبير الحجم لذا تأكد من أن لديك خطة بيانات كافية.
الخطوة 3: - سنستخدم مثالاً لتصنيف الصور يمكن العثور عليه في النماذج / البرامج التعليمية / الصور / الصور. انتقل إلى هذا المجلد باستخدام الأمر أدناه
نماذج الأقراص المضغوطة / دروس / صورة / تخيل
الخطوة 4: - الآن ، قم بتغذية صورة في الشبكة العصبية المبنية مسبقًا باستخدام الأمر أدناه.
python3 classify_image.py --image_file = / home / pi / image_file_name
استبدل image_file_name بالصورة التي يجب عليك إطعامها ثم اضغط على Enter.
فيما يلي بعض الأمثلة لاكتشاف الصور والتعرف عليها باستخدام TensorFlow.
ليس سيئا! صنفت الشبكة العصبية الصورة على أنها قطة مصرية بدرجة عالية من اليقين عند مقارنتها بالخيارات الأخرى.
في جميع الأمثلة المذكورة أعلاه ، تكون النتائج جيدة جدًا ويمكن لـ TensorFlow تصنيف الصور بسهولة مع اليقين الوثيق. يمكنك تجربة ذلك باستخدام صورك المخصصة.
إذا كان لديك بعض المعرفة بالتعلم الآلي ، فيمكنه إجراء اكتشاف الكائنات على هذا النظام الأساسي باستخدام بعض المكتبات.
/>