Daftar Isi:
2025 Pengarang: John Day | [email protected]. Terakhir diubah: 2025-01-13 06:57
Google TensorFlow adalah Pustaka perangkat lunak Sumber Terbuka untuk Komputasi Numerik menggunakan grafik aliran data. Ini digunakan oleh Google di berbagai bidang Pembelajaran Mesin dan Teknologi Pembelajaran Mendalam. TensorFlow awalnya dikembangkan oleh Google Brain Team dan dipublikasikan di domain publik seperti GitHub.
Untuk tutorial lebih lanjut kunjungi blog kami. Dapatkan Raspberry Pi dari FactoryForward - Pengecer yang Disetujui di India.
Baca tutorial ini di blog kami di sini.
Langkah 1: Pembelajaran Mesin
Machine Learning dan Deep Learning akan berada di bawah Artificial Intelligence (AI). Machine Learning akan mengamati dan menganalisis data yang tersedia dan meningkatkan hasilnya dari waktu ke waktu.
Contoh: Fitur video Rekomendasi YouTube. Ini menunjukkan video terkait yang Anda lihat sebelumnya. Prediksi terbatas pada hasil berbasis teks saja. Tapi pembelajaran yang mendalam bisa lebih dalam dari ini.
Langkah 2: Pembelajaran Mendalam
Pembelajaran mendalam hampir mirip dengan itu, tetapi membuat keputusan sendiri lebih akurat dengan mengumpulkan berbagai informasi dari suatu objek. Ini memiliki banyak lapisan analisis dan mengambil keputusan sesuai dengan itu. Untuk mempercepat prosesnya, ia menggunakan Neural Network dan memberi kami hasil yang lebih tepat yang kami butuhkan (berarti prediksi yang lebih baik daripada ML). Sesuatu seperti bagaimana otak manusia berpikir dan membuat keputusan.
Contoh: Deteksi objek. Ini mendeteksi apa yang tersedia dalam gambar. Sesuatu yang serupa sehingga Anda dapat membedakan Arduino dan Raspberry Pi dengan penampilan, ukuran, dan Warnanya.
Ini adalah topik yang luas dan memiliki berbagai aplikasi.
Langkah 3: Pra-Persyaratan
TensorFlow mengumumkan dukungan resmi untuk Raspberry Pi, dari Versi 1.9 akan mendukung Raspberry Pi menggunakan instalasi paket pip. Kami akan melihat cara menginstalnya di Raspberry Pi kami dalam tutorial ini.
- Python 3.4 (disarankan)
- Raspberry Pi
- Sumber Daya listrik
- Raspbian 9 (Peregangan)
Langkah 4: Perbarui Raspberry Pi Anda dan Paketnya
Langkah 1: Perbarui Raspberry Pi Anda dan paket-paketnya.
sudo apt-get update
sudo apt-get upgrade
Langkah 2: Uji apakah Anda memiliki versi python terbaru, menggunakan perintah ini.
python3 --versi
Disarankan untuk memiliki setidaknya Python 3.4.
Langkah 3: Kita perlu menginstal libatlas library (ATLAS - Automatically Tuned Linear Algebra Software). Karena TensorFlow menggunakan numpy. Jadi, instal menggunakan perintah berikut
sudo apt install libatlas-base-dev
Langkah 4: Instal TensorFlow menggunakan perintah install Pip3.
pip3 menginstal tensorflow
Sekarang TensorFlow diinstal.
Langkah 5: Memprediksi Gambar Menggunakan Model Imagenet Contoh:
TensorFlow telah menerbitkan model untuk memprediksi gambar. Anda perlu mengunduh modelnya terlebih dahulu kemudian menjalankannya.
Langkah 1: Jalankan perintah berikut untuk mengunduh model. Anda mungkin perlu menginstal git.
git clone
Langkah 2: Arahkan ke contoh imagenet.
model cd/tutorial/gambar/imagenet
Kiat Pro: Pada Peregangan Raspbian baru, Anda dapat menemukan file 'classify_image.py' secara manual dan kemudian 'Klik Kanan' di atasnya. Pilih 'Salin Jalur'. Kemudian paste di terminal setelah 'cd' dan tekan enter. Dengan cara ini Anda dapat menavigasi lebih cepat tanpa kesalahan (dalam kasus kesalahan ejaan atau nama file diubah dalam pembaruan baru).
Saya menggunakan metode 'Copy Path(s)' sehingga akan menyertakan jalur yang tepat pada gambar (/home/pi).
Langkah 3: Jalankan contoh menggunakan perintah ini. Ini akan memakan waktu sekitar 30 detik untuk menunjukkan hasil yang diprediksi.
python3 class_image.py
Langkah 6: Prediksi Gambar Kustom
Anda juga dapat mengunduh gambar dari internet atau menggunakan bidikan gambar Anda sendiri di kamera untuk prediksi. Untuk hasil yang lebih baik gunakan lebih sedikit gambar memori.
Untuk menggunakan gambar kustom, gunakan cara berikut. Saya memiliki file gambar di lokasi '/home/pi/Downloads/TensorImageTest1.jpg'. Ganti saja ini dengan lokasi dan nama file Anda. Gunakan 'Copy Path(s)' untuk navigasi yang lebih mudah.
python3classify_image.py --image_file=/home/pi/Downloads/TensorImageTest1.jpg
Anda juga dapat mencoba contoh lain. Tetapi Anda perlu menginstal paket yang diperlukan sebelum eksekusi. Kami akan membahas beberapa topik TensorFlow yang menarik di tutorial mendatang.