TensorFlow ?

TensorFlow是一个异构分布式系统上的大规模机器学习框架，移植性好（小到移动设备如手机，大到大规模集群，都能支持），支持多种深度学习模型。根据Google的说法，TensorFlow是综合的、灵活的、可移植的、易用的，更为关键的是，它是开源的。

1.安装

$pip3 install tflite。

例如，如果您有运行Raspbian Buster（它有Python 3.7）的Raspberry Pi，请按如下方式安装Python控制盘：

1.1安装提示

pip3 install https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp37-cp37m-macosx_10_14_x86_64.whl

Installing collected packages: tflite-runtime
Successfully installed tflite-runtime-2.1.0.post1

1.2 相关的依赖

Successfully installed TensorFlow-2.1.0 absl-py-0.9.0 astor-0.8.1 cachetools-4.1.0 chardet-3.0.4 gast-0.2.2 google-auth-1.14.1 google-auth-oauthlib-0.4.1 google-pasta-0.2.0 grpcio-1.28.1 h5py-2.10.0 idna-2.9 keras-applications-1.0.8 keras-preprocessing-1.1.0 markdown-3.2.1 oauthlib-3.1.0 opt-einsum-3.2.1 protobuf-3.11.3 pyasn1-0.4.8 pyasn1-modules-0.2.8 requests-2.23.0 requests-oauthlib-1.3.0 rsa-4.0 scipy-1.4.1 tensorboard-2.1.1 tensorflow-estimator-2.1.0 termcolor-1.1.0 urllib3-1.25.9 werkzeug-1.0.1 wrapt-1.12.1

2.使用tflite运行时运行推断

2.1 下载文件beginner.ipynb

ipynb是jupyter notebook的文件

文件内容为：

{
"cells": [
{
"cell_type": "markdown",
"metadata": {
"colab_type": "text",
"id": "rX8mhOLljYeM"
},
"source": [
"##### Copyright 2019 The TensorFlow Authors."
]
......
"nbformat": 4,
"nbformat_minor": 0
}

2.2 用jupyter notebook运行 Run All

2.3 照片识别准确度达到 98%

3.给图像【衣服、裤子、鞋帽等】分类

3.1 图像标签

图像是28x28numpy数组，像素值从0到255不等。标签是一个整数数组，范围从0到9。这些对应于图像所代表的服装类别：

标签定义；标签列表如下为：

0 T恤/上衣
1 条裤子
2 套套头衫
3 件连衣裙
4 层
5 凉鞋
6 件衬衫
7 运动鞋
8 袋
9 踝靴

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

3.2 训练图片

在训练模型之前，让我们先研究一下数据集的格式，最关键的步骤训练数据；

数据分为：训练集合、测试集合，测试集合有10000份。

显示训练集中有60000个图像，每个图像表示为28 x 28像素：

测试集中有10000个图像。每个图像表示为28 x 28像素

3.2.1显示图片 5*5

plt.figure(figsize=(10,10))
for i in range(25):
plt.subplot(5,5,i+1)
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(train_images[i], cmap=plt.cm.binary)
plt.xlabel(class_names[train_labels[i]])
plt.show()

3.3 创建一个Model 28*28 参数训练中学习的参数

model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])

像素展平后，网络由两个tf.keras.layers.Dense层组成。这些神经层紧密相连，或完全相连。第一致密层有128个节点（或神经元）。第二层（也是最后一层）返回长度为10的logits数组。每个节点都包含一个分数，表示当前图像属于10个类之一。

在本例中，训练数据位于train_images和train_labels数组中。
要求模型对测试集test_images数组进行预测。验证预测是否与测试标签数组中的标签匹配。

小白带你去逛逛TensorFlow图像处理