TensorFlow是Google的神經網絡庫。鑒于機器學習是當前最熱門的事情，因此Google成為這項新技術的領導者就不足為奇了。

在本文中，您將學習如何在Raspberry Pi上安裝TensorFlow，以及在預先訓練的神經網絡上運行簡單的圖像分類。

入門

要開始圖像識別，您將需要Raspberry Pi（任何模型都可以使用）和SD帶有Raspbian Stretch（9.0+）操作系統的存儲卡（如果您不熟悉Raspberry Pi，請使用我們的安裝指南）。

啟動Pi并打開終端窗口。確保您的Pi是最新的，并檢查您的Python版本。

sudo apt-get update

python --version

python3 --version

您可以在本教程中同時使用Python 2.7或Python 3.4+。此示例適用于Python3。對于Python 2.7，在整個過程中，將 Python3 替換為 Python ，并將 pip3 替換為 pip 教程。

Pip是Python的軟件包管理器，通常在Linux發行版中作為標準安裝。

如果沒有，請按照此處的Linux安裝說明進行操作。

安裝TensorFlow

安裝TensorFlow過去是一個令人沮喪的過程，但是最近的更新使其變得異常簡單。雖然您可以在沒有任何先驗知識的情況下閱讀本教程，但是在嘗試之前，可能值得了解機器學習的基礎。

在安裝TensorFlow之前，請安裝 Atlas 庫。

sudo apt install libatlas-base-dev

完成后，通過pip3安裝TensorFlow

pip3 install --user tensorflow

這將為登錄用戶安裝TensorFlow。如果您更喜歡使用虛擬環境，請在此處修改代碼以反映這一點。

測試TensorFlow

一旦安裝，您就可以測試它是否與TensorFlow等效。 你好，世界！

在命令行中，使用 nano 或 vim 創建新的Python腳本（如果不是， （不確定使用哪一種，它們都有優勢），并給它起一個易于記憶的名稱。

sudo nano tftest.py

輸入以下由Google提供的用于測試TensorFlow的代碼：

import tensorflow as tf

hello = tf.constant（‘Hello， TensorFlow！’）

sess = tf.Session（）

print（sess.run（hello））

如果您使用的是nano，請在出現提示時按 Ctrl + X 退出并通過鍵入 Y 保存文件。

從終端運行代碼：

python3 tftest.py

您應該看到打印的“ Hello，TensorFlow”。

如果運行Python 3.5，您將收到幾個運行時警告。 TensorFlow官方教程承認發生了這種情況，建議您忽略它。

它有效！現在，使用TensorFlow做一些有趣的事情。

安裝圖像分類器

在終端中，在您的主目錄中為該項目創建一個目錄，并導航至該目錄。

mkdir tf1

cd tf1

TensorFlow有一個git存儲庫，其中包含示例模型供您試用。將存儲庫克隆到新目錄中：

git clone https://github.com/tensorflow/models.git

您要使用圖像分類示例，可以在 models/tutorials/image/imagenet 中找到該示例。強》。立即導航到該文件夾：

cd models/tutorials/image/imagenet

標準圖像分類腳本與提供的熊貓圖像一起運行：

要使用提供的熊貓圖像運行標準圖像分類器，請輸入：

python3 classify_image.py

這會將熊貓圖像饋送到神經網絡，該神經網絡返回猜測值關于圖像的確定性值。

如輸出圖像所示，神經網絡正確猜出了幾乎90％的確定性。它還認為該圖像可能包含一個南美番荔枝，但對這個答案并不十分自信。

使用自定義圖像

熊貓圖像證明TensorFlow可以工作，但這就是考慮到這是該項目提供的示例，也許不足為奇。為了進行更好的測試，您可以將自己的圖像提供給神經網絡進行分類。

在這種情況下，您將看到TensorFlow神經網絡是否可以識別George。

遇到喬治。喬治是恐龍。要將此圖像（此處以裁剪的形式提供）輸入神經網絡，請在運行腳本時添加參數。

python3 classify_image.py --image_file=/home/pi/george.jpg

image_file = 腳本名稱允許按路徑添加任何圖像。讓我們看看這個神經網絡是怎么做的。

不錯！雖然George不是三角恐龍，但與其他選項相比，神經網絡將圖像分類為具有高度確定性的恐龍。

TensorFlow和Raspberry Pi，準備就緒

TensorFlow的這種基本實現已經具有潛力。該對象識別發生在Pi上，不需要互聯網連接即可運行。這意味著，通過添加Raspberry Pi攝像頭模塊和適用于Raspberry Pi的電池單元，整個項目可以變得可移植。

大多數教程只涉及主題的表面，但從未如此。比這種情況更真實。機器學習是一門令人難以置信的密集學科。

責任編輯：wv