teachable machine lite

Обучаем Машина Лит

Автор: Мекдад Дарвиш

Описание

Легкий пакет Python, оптимизированный для интеграции экспортируемых моделей с обучаемой машинной платформы Google в среды для робототехники и встроенных систем. Эта оптимизированная версия обучаемого пакета машин специально разработана для устройств с ограниченными ресурсами, что облегчает развертывание и использование ваших обученных моделей в встроенных приложениях. С акцентом на эффективность и минимальные зависимости, этот инструмент сохраняет основную функциональность, более подходящая для робототехники и проектов IoT.

Исходный код опубликован на GitHub

Узнайте больше о проекте (требования, установка, примеры и многое другое) на веб -сайте документации

Поддерживаемые классификаторы

Классификация изображений : используйте экспортированную и квантованную модель Tensorflow Lite с обучаемой машинной платформы (модельный файл с расширением tflite ).

Требования

Для получения подробной информации о требованиях и зависимости пакета, пожалуйста, посетите нашу документацию

 Python >= 3.9

 numpy < 2.0 (v1.26.4 recommended)

Как установить обучаемую пакет Machine Lite

pip install teachable-machine-lite

Зависимости

numpy
tflite-runtime
Pillow

Пример

Пример для обучаемого пакета Machine Lite с 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 ()

Значения results присваиваются на основе содержимого файла labels.txt .

Для большего; Посмотрите на эти примеры

Ссылки:

• Документация

• Пипи

• Исходный код

• Учебная машина платформа