teachable machine lite

Lite mesin yang bisa diajar

Oleh: Meqdad Darwish

Keterangan

Paket Python ringan yang dioptimalkan untuk mengintegrasikan model yang diekspor dari platform mesin yang dapat diajar Google ke dalam robotika dan lingkungan sistem tertanam. Versi yang ramping dari paket mesin yang dapat diajar ini dirancang khusus untuk perangkat yang dibatasi sumber daya, membuatnya lebih mudah untuk digunakan dan menggunakan model terlatih Anda dalam aplikasi tertanam. Dengan fokus pada efisiensi dan ketergantungan minimal, alat ini mempertahankan fungsionalitas inti sambil lebih cocok untuk proyek robotika dan IoT.

Kode Sumber diterbitkan di GitHub

Baca lebih lanjut tentang proyek (persyaratan, instalasi, contoh, dan lainnya) di situs web dokumentasi

Klasifikasi yang didukung

Klasifikasi gambar : Gunakan model lite tensorflow yang diekspor dan terkuantisasi dari platform mesin yang dapat diajar (file model dengan ekstensi tflite ).

Persyaratan

Untuk informasi terperinci tentang persyaratan paket dan dependensi, silakan kunjungi dokumentasi kami

 Python >= 3.9

 numpy < 2.0 (v1.26.4 recommended)

Cara Menginstal Paket Lite Mesin Teachable

pip install teachable-machine-lite

Dependensi

numpy
tflite-runtime
Pillow

Contoh

Contoh untuk Paket Lite Mesin Teachable dengan 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 ()

Nilai results ditetapkan berdasarkan konten file labels.txt .

Untuk lebih banyak; Lihatlah contoh -contoh ini

Tautan:

• Dokumentasi

• Pypi

• Kode Sumber

• Platform Mesin yang Dapat Diajarkan