بقلم: Meqdad Darwish
تم تحسين حزمة Python خفيفة الوزن لدمج النماذج المصدرة من منصة Google القابلة للتعليم إلى بيئات الروبوتات والأنظمة المضمنة. تم تصميم هذا الإصدار المبسط من حزمة الماكينة القابلة للتعليم خصيصًا للأجهزة المقيدة للموارد ، مما يسهل نشر النماذج المدربة واستخدامها في التطبيقات المضمنة. مع التركيز على الكفاءة والحد الأدنى من التبعيات ، تحافظ هذه الأداة على الوظيفة الأساسية بينما تكون أكثر ملاءمة لمشاريع الروبوتات وإنترنت الأشياء.
تم نشر رمز المصدر على Github
اقرأ المزيد عن المشروع (المتطلبات والتثبيت والأمثلة والمزيد) في موقع الوثائق
تصنيف الصور : استخدم نموذج TensorFlow Lite الذي تم تصديره وكمياً من منصة الجهاز القابل للتعليم (ملف نموذج مع ملحق tflite ).
للحصول على معلومات مفصلة حول متطلبات الحزمة وتبعياتها ، يرجى زيارة وثائقنا
Python >= 3.9
numpy < 2.0 (v1.26.4 recommended)
pip install teachable-machine-litenumpy
tflite-runtime
Pillowمثال على حزمة Lite Machine القابلة للتعليم مع OpenCV:
from teachable_machine_lite import TeachableMachineLite
import cv2 as cv
cap = cv . VideoCapture ( 0 )
model_path = "model.tflite"
labels_path = "labels.txt"
image_file_name = "screenshot.jpg"
tm_model = TeachableMachineLite ( model_path = model_path , labels_file_path = labels_path )
while True :
ret , img = cap . read ()
cv . imwrite ( image_file_name , img )
results , resultImage = tm_model . classify_and_show ( image_file_name , convert_to_bgr = True )
print ( "results:" , results )
cv . imshow ( "Camera" , resultImage )
k = cv . waitKey ( 1 )
if k == 27 : # Press ESC to close the camera view
break
cap . release ()
cv . destroyAllWindows () يتم تعيين قيم results بناءً على محتوى ملف labels.txt .
لمزيد من ألق نظرة على هذه الأمثلة
الوثائق
pypi
رمز المصدر
منصة الجهاز القابلة للتعليم