Modelinizi eğitmek ve dizüstü bilgisayarınızdan herhangi bir yerden erişmek için Jupyter dizüstü bilgisayar ile Raspberry Pi 3'ünüzde tflearn'ü çalıştırmayı düşündünüz. Pi'nizin bilgisayar gücünü boş zamanlarında eğitmek için kullanmak istiyorsanız, bu eğitim size tam olarak nasıl ayarlanacağını gösterecektir. ve çalışmasını sağlayın.
Neye ihtiyacın var:
1. 16GB veya daha fazla depolama alanı olan Ahududu Pi 3 Model B
2. Python 2.7 veya 3.6
3. Tensorflow (http://www.tensorflow.org)
4. Tflearn (http://tflearn.org)
ve Pi'nizin etkin bir ağa bağlı olduğundan emin olun.
Gereçler:
Adım 1: Pi OS Sürümünü Kontrol Edin
Bu, en son Raspbian sürümünde olduğunuzdan emin olmak içindir.
$ kedi / etc / os-sürüm
Çalıştırmak "sudo apt-get update" ilgili paketleri güncelleyecektir.
Güncelleştirme: Bu adımlar Ahududu Çatlaklarında da çalışacak
Adım 2: Gerekli Bağımlılıkları Kurma
Git, repoyu tflearn'den çekmek. PIP diğer bağımlılıkları çekmek için kullanacağız
$ sudo apt-get yüklemek yüklemek python-pip python-dev python-virtualenv #Python 2.7
$ sudo apt-get yüklemek yüklemek python3-pip python3-dev python-virtualenv #Python 3.x
Adım 3: Jupyter Notebook'u yükleyin
Jüpiter için şunu girin:
$ sudo pip yükleme jupyter # Python 2.7
$ sudo pip3 yükleme jupyter # Python 3.x
Bu, birçok başka gerekli paketi de yükleyecektir. Bunlardan herhangi birinin arızalanması durumunda, jüpyterin doğru çalıştığından emin olmak için manuel olarak kurulması gerekir (Ex-pips panda panda, numpy pip install numpy). Başarılı bir şekilde kurulduktan sonra tipi:
$ jupyter defter
Bu, notebooku localhost.Check http: // locahost: 8888 / 'de favori tarayıcınızda çalıştıracaktır. Jupyter'i şimdi burada bırakalım, daha sonra tekrar geri döneceğiz.
Adım 4: Tensorflow Ayarı
Şimdi Pi.Tensorflow'umda tensorflow'u kurmamız gerekiyor, Pi için uygun değil, ancak samjabrahams (http://github.com/samjabrahams/tensorflow-on-raspberry-pi), tensorflow paketinin nasıl yapılacağı konusunda harika bir ders vermişti support.We ilgili bir repo mevcut önceden oluşturulmuş bir kaynaktan birini kullanacağız.
Yazma iznine sahip bir dizinde olduğunuzdan emin olun. Tensorflow 1.2 kullanacağız.
cd / home / pi / Belgeler
wget http: //github.com/DeftWork/rpi-tensorflow/raw/ma …
Tensorflow ortamını ayrı tutacağız, böylece diğer python kurulumlarına engel olmaz, hadi temiz tutalım.
$ virtualenv - sistem-site-paketleri # Python 2.7
$ virtualenv - sistem-site-paketleri -p python3 # Python 3.x
Sanal ortamı etkinleştirmemiz gerekiyor. Tensorflow ile bir foldername oluşturduğunu varsayarsak
$ kaynak tensorflow / bin / activate
Şimdi komut isteminde değişiklik yapılmasını görmelisiniz (tensorflow) $
(tensorflow) $ pip kurulum - yükseltme tensorflow-1.2.1-cp27-none-linux_armv7l.whl # Python 2.7 için
(tensorflow) $ pip3 kurulumu - yükseltme tensorflow-1.2.1-cp27-none-linux_armv7l.whl # Python 3.n için
Eğer Raspbian 9'daysanız tensorflow1.3'e gidebilirsiniz wget http://github.com/DeftWork/rpi-tensorflow/raw/master/tensorflow-1.3.0-cp27-none-linux_armv7l.whl
Bu işlem biraz zaman alacaktır. Bir şeyler başarısız olursa, ilgili bağımlılıkları kurmanız gerekir.
$ python
Tensorflow kurulumunu doğrulayın
$ ithalat tensorflow
Herhangi bir hata olmadan tamamlanmalıdır. Python'dan çıkmak için CTRL + D tuşlarına basın.
Adım 5: TFLearn'ü Kurun
Bu adım oldukça kolaydır ve TFLearn'ü tensorflow vrtualenv'e yüklemeye devam edeceğiz.
$ pip install git + http: //github.com/tflearn/tflearn.git # Python 2.7
$ pip3 kurulum git + http: //github.com/tflearn/tflearn.git # Python 3.x
Bu herhangi bir hata olmadan tamamlamalıdır. Daha sonra hdf5 kurmalıyız ve scipy else tflearn uyarıları gösterecek ancak çalışacaktır.
$ pip kurulum h5py
$ pip yükleme scipy
$ pip install - yükseltme pandalar # Daha önce yapılmadıysa jupyter notebook ithalat tflearn üzerine hata verecektir
$ pip install - yükseltme numpy # Daha önce yapılmazsa jupyter notebook içe aktarma hatası veriyor
Python komut istemi testinde "import tflearn" komutunu kullanın. Herhangi bir hata olmadan tamamlayın. Yaptık ve terminalde tflearn ile oluşturulmuş python komut dosyalarını çalıştırabilirsiniz.
Virtualenv türünden çıkmak için
$ devre dışı bırak
Adım 6: Jupyter Notebook'u Ayarlama
Artık jupyter notebook'umuzda sanal env'i etkinleştirme zamanı. Notebook'ta tensorflow tabanlı bir projede çalışamazsınız.
Bir çıkış yaptıysanız sanalenvinizi etkinleştirin.
$ kaynak ~ / tensorflow / bin / activate
$ pip install ipykernel veya $ pip3 kurulum ipykernel
$ python -m ipykernel install --user --name = "daha önce yaratılmış sanal alan adınız" #tensorflow
$ jupyter defter
Artık sanal ortamınız için tensorflow çekirdeğini görebileceksiniz. Tflearn kodunu çalıştırmak istediğinizde bu çekirdeğe geçmeniz gerekir.
Adım 7: Jüpyter Dizüstü Bilgisayarınıza Uzaktan Erişim
Varsayılan olarak jupyter notebook localhost üzerinde çalışır ve dışarıdan erişilemez. Yerel ağdan veya web üzerinden herhangi bir yerden erişeceğiz. Port yönlendirmeyi etkinleştirdiğinizden ve genel bir IP'ye sahip olduğunuzdan emin olun. Daha fazla bilgi için buraya bakın. Hamachi kullanarak benimki kurulum var. Bu videoyu kontrol edebilirsiniz.
Şimdi jüpyter ayarlayalım. Terminalde şunu girin:
$ jupyter dizüstü bilgisayar - config-config
Jupyter_notebook_config.py dosyası ana dizininizde oluşturulacak ve erişilebilecek
$ cd ~ / .jupyter
Kullanarak şifreyi ayarlayın:
$ jupyter notebook şifresi
Parola şifrelenecek ve /home/pi/.jupyter/jupyter_notebook_config.json (pi kullanıcısı ile giriş yaptığınızı varsayarak) yazılacaktır.
şifrenizi jupyter_notebook_config.json'dan kopyalayın
Aşağıdaki komutla kendinden imzalı bir sertifika ayarlayın
$ jupyter notebook --certfile = mycert.pem - anahtar dosyası mykey.key
Şimdi yazın:
$ nano Instagram Hesabındaki Resim ve Videoları jupyter_notebook_config.py
Dosyayı değiştirin ve bu gibi görünmeli. Mevcut içeriği olduğu gibi tutun.
# Sertifika, ip, şifre ve kapatma seçeneklerini ayarlama
# tarayıcı otomatik açılış
c.NotebookApp.certfile = u '/ mutlak / yol / to / sizin / sertifika / mycert.pem'
c.NotebookApp.keyfile = u '/ mutlak / yol / to / your / sertifika / mykey.key'
# Ortak sunucu için tüm arayüzlere (ips) bağlanmak için ip'i '*' olarak ayarlayın
c.NotebookApp.ip = '*'
c.NotebookApp.password = u'sha1: bcd259ccf … '
c.NotebookApp.open_browser = Yanlış
## Not defterleri ve çekirdekleri için kullanılacak dizin.
Kök dosyalarımızı göstermek istemiyoruz ve her zaman Belgeler klasörü altında jüpyter başlatmak istiyoruz.
c.NotebookApp.notebook_dir = u '/ home / pi / Belgeler'
Şimdi "jupyter notebook" komutunu kullanmaya başlayabilirsiniz. Altında erişilebilir olmalıdır.
http: // * ip adresi: port * / ipython
Adım 8: Jupyter Notebook'un Otomatik Olarak Başlamasını Etkinleştirme
Not defterimizin 24x7 erişilebilir olmasını istiyoruz, bu nedenle açılışta otomatik olarak çalıştırıyoruz.
$ sudo /etc/rc.local
0 çıkışından önce aşağıdakini ekleyin:
su pi -c "/ usr / yerel / bin / jupyter notebook - tarayıcı yok &"
Ve biz bittik. Scriptlerimizi nohup'ta terminalde çalıştırabiliriz çünkü tflearn modelinin ahudududa işlemesi çok zaman alacaktır. Jupyter tarayıcıyı kapattığınız andaki çıktıyı durdurur, bunu izleyebilmenizi sağlar http: //github.com/QUVA-Lab/artemis/blob/master/ar …
Her ne kadar derin öğrenme daha fazla bilgi işlem gücü gerektirse de, bu havalıdır ve modelinizi çalıştırabilir ve aradaki zamanınızı tamamlamak ve zevk almak için PI'da görev bırakabilirsiniz. Sizin için çalışır ve düşüncelerinizi bilmeme izin verin.
Adım 9: Referans
Tensorflow ARM dosyaları oluşturmak için ayrıntılı adımlar için samjabrahams için teşekkürler
http: //github.com/samjabrahams/tensorflow-on-rasp …
http: //jupyter-notebook.readthedocs.io/en/latest/p …
http://github.com/DeftWork/rpi-tensorflow
