En el tutorial se muestra como instalar y probar el interprete TensorFlow Lite 1.14.0 para Raspberry Pi 3 (sistema operativo Raspbian Buster y Python 3.7) no se instalará todo TensorFlow pero bastará para ejecutar los modelos.
Materiales:
- Raspberry Pi 3.
- Cámara de Raspbery v1 0 v2.
- Micro SD 16GB (pueda variar la capacidad)
- Monitor.
- Mouse.
- Teclado.
Si no requiere usar monitor, mouse ni teclado una solución es hacerlo por SSH, pero no podrá visualizar el video con la detección, por utilizar la librería picamera.
1. Instalación.
- Descargar la librería del siguiente link:
Según al versión de Python, en mi caso estoy trabajando con la 3.7 como se indica la flecha roja, esto debe hacerse desde la Raspberry Pi o transferirla usando una herramienta como WinSCP.
 |
- Ubicamos el archivo descargado y luego lo instalamos.
pip3 install tflite_runtime-1.14.0-cp37-cp37m-linux_armv7l.whl
2. Ejecutar modelo.
- Clonamos el repositorio en nuestra Raspberry Pi:
git clone https://github.com/tensorflow/examples --depth 1
- Nos ubicamos en:
cd examples/lite/examples/image_classification/raspberry_pi
- Luego ejecutamos en el terminal, todo en una línea:
- Este archivo contiene el modelo para detectar algunos objetos como teclado, mouse entre otros.
- Ejecutamos el modelo
python3 classify_picamera.py \
--model /tmp/mobilenet_v1_1.0_224_quant.tflite \
--labels /tmp/labels_mobilenet_quant_v1_224.txt
Observamos la detección de un mouse con una exactitud de 0.85 cada 282.3 ms.
