โดย: Meqdad Darwish
แพ็คเกจ Python ที่มีน้ำหนักเบาปรับให้เหมาะสมสำหรับการรวมรุ่นที่ส่งออกจากแพลตฟอร์มเครื่องที่สอนได้ของ Google เข้ากับหุ่นยนต์และสภาพแวดล้อมระบบฝังตัว แพ็คเกจเครื่องจักรที่มีความคล่องตัวนี้ได้รับการออกแบบมาโดยเฉพาะสำหรับอุปกรณ์ที่ จำกัด ทรัพยากรทำให้ง่ายต่อการปรับใช้และใช้โมเดลที่ผ่านการฝึกอบรมของคุณในแอปพลิเคชันฝังตัว ด้วยการมุ่งเน้นไปที่ประสิทธิภาพและการพึ่งพาน้อยที่สุดเครื่องมือนี้ยังคงรักษาฟังก์ชันการทำงานหลักในขณะที่เหมาะสำหรับโครงการหุ่นยนต์และ IoT
ซอร์สโค้ดถูกเผยแพร่บน GitHub
อ่านเพิ่มเติมเกี่ยวกับโครงการ (ข้อกำหนดการติดตั้งตัวอย่างและอื่น ๆ ) ในเว็บไซต์เอกสาร
การจำแนกรูปภาพ : ใช้โมเดล TensorFlow Lite ที่ส่งออกและเชิงปริมาณจากแพลตฟอร์มเครื่องที่สอนได้ (ไฟล์รุ่นที่มีส่วนขยาย tflite )
สำหรับข้อมูลรายละเอียดเกี่ยวกับข้อกำหนดและการอ้างอิงของแพ็คเกจโปรดเยี่ยมชมเอกสารของเรา
Python >= 3.9
numpy < 2.0 (v1.26.4 recommended)
pip install teachable-machine-litenumpy
tflite-runtime
Pillowตัวอย่างสำหรับแพ็คเกจ Lite Machine ที่สอนได้ด้วย 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 () ค่าของ results ถูกกำหนดตามเนื้อหาของไฟล์ labels.txt
สำหรับข้อมูลเพิ่มเติม; ลองดูตัวอย่างเหล่านี้
เอกสาร
Pypi
รหัสต้นฉบับ
แพลตฟอร์มเครื่องจักรที่สอนได้