[PYTHON] Ich berührte Tensorflow und Keras
*** Dies ist eine Übersicht über Tensorflow Study Group @ Honmachi, die am 25. August stattfand. *** ***
Was ist GCP?
Abkürzung für Google Cloud Platform. Es ist die Google-Version von AWS (Amazon Web Services). Das Abrechnungssystem ist kompliziert und ich habe Angst, es für eine Weile zu verwenden, aber dieses Mal möchte ich in Zukunft ML Engine (einen Dienst, der ein Modell von Tensorflow erstellt) ausprobieren, da es sehr einfach ist, einen Server zu erstellen. Ich habe dies gewählt.
https://cloud.google.com/
Erstellen Sie eine Instanz von Compute Engine
Dieses Mal möchte ich Tensorflow auf einer einfachen virtuellen Maschine installieren und ausführen.
Erstellen Sie eine neue Instanz. Ich habe "Ubuntu 17" als Bootdiskette gewählt.
Greifen Sie auf diese Instanz mit der "externen IP" zu, die nach ihrer Erstellung zugewiesen wird (ersetzen Sie den Teil mit der Bezeichnung YOUR_IP durch die IP, die Sie hier erhalten haben).
Ubuntu-Setup
Melden Sie sich zunächst mit ssh an.
ssh ubuntu@YOUR_IP
Installieren Sie die erforderlichen Pakete.
sudo -i
apt -y update
apt -y upgrade
apt -y install python3-pip python3-dev
pip3 install --upgrade pip
pip3 install opencv-python tensorflow
exit
Dieses Mal habe ich ein Paket eingeführt, damit Tensorflow mit Python3 (nicht 2.x) funktioniert. Überprüfen Sie, ob die Bibliothek wie folgt normal geladen werden kann.
$ python3
Python 3.5.3 (default, Jan 19 2017, 14:11:04)
[GCC 6.3.0 20170118] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> node1 = tf.constant(3.0, dtype=tf.float32)
>>> node2 = tf.constant(4.0) # also tf.float32 implicitly
>>> print(node1, node2)
Tensor("Const:0", shape=(), dtype=float32) Tensor("Const_1:0", shape=(), dtype=float32)
>>>
- Referenz: https://www.tensorflow.org/get_started/get_started
Bewegen Sie Tensorflow, um zu sehen
Ich habe Tensorflow installiert, möchte aber den Code für das Tutorial, damit ich den Quellcode von GitHub bekomme.
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow/tensorflow/examples/tutorials/mnist/
Klicken Sie hier für das einfachste Beispiel. Der Datensatz zum Lernen und Bewerten von Mnist (handschriftliche Zeichen) wird aus dem Internet heruntergeladen, und die Modellkonstruktion und -bewertung werden sofort abgeschlossen.
python3 mnist_softmax.py
Den Inhalt dieses Programms finden Sie unter der folgenden URL. (Ich bin nicht gut in Theorie, also werde ich aus diesem Bereich zum Thema entkommen, wie man es in die Praxis umsetzt ...)
--https: //www.tensorflow.org/get_started/mnist/beginners (übersetzte Version)
- https://www.tensorflow.org/get_started/mnist/pros
- https://www.tensorflow.org/get_started/mnist/mechanics
Spielen Sie mit der Bilderkennung
(Es ist ein wenig unpraktisch, weil es gerade gemacht wurde) Ich habe eine Anwendung erstellt, die den Tensorflow startet, wenn ein Bild von einem Browser auf den Server hochgeladen wird und das Ergebnis der Klassifizierung des Bildes anzeigt. Da der Beispielcode für den Tensorflow so ausgewertet wurde, wie er ist, ohne das Modell zu speichern, gibt es auch einen modifizierten Code zum Speichern des Modells mit Saver (train- *. Py).
git clone https://github.com/lumbermill/takachiho.git
sudo apt install apache2 php rake
cd ~/takachiho/webapps/01-tensorflow
#Stellen Sie PHP bereit
rake install
#Erstellen und Bereitstellen eines Modells
cd ~/takachiho/raspi/07-coffee
python3 train-mnist1.py --data_dir=/tmp/tensorflow/mnist/input_data/ --log_dir=/var/www/html/tensorflow/models/
Der Bildschirm sieht so aus. Wenn Sie am Quellcode interessiert sind, lesen Sie bitte das obige Repository.
Probieren Sie das vorgefertigte Modell von Keras
Installieren Sie zunächst das Beispielprogramm und laden Sie es herunter.
sudo pip3 install keras h5py
curl -O https://raw.githubusercontent.com/asataniAIR/Image_DL_Tutorial/master/VGG/VGG16_Demo.py
Wenn Sie ein Bild als Argument angeben, wird es erraten, was es ist. Einfach!
$ python3 VGG16_Demo.py sample.jpg
Using TensorFlow backend.
:
Unterlassung
:
('n03947888', 'pirate', 0.98744524)
('n04147183', 'schooner', 0.010494102)
('n04606251', 'wreck', 0.0010530388)
('n03240683', 'drilling_platform', 0.00052914425)
('n03344393', 'fireboat', 0.00010963867)
Andere
(Schlüsselwörter, auf die ich nicht näher eingehen konnte)
- Softmax regression?
- ML Engine?
- Tensorboard?