التشغيل السريع للأجهزة التي تعمل بنظام Linux باستخدام Python

يعد استخدام TensorFlow Lite مع Python أمرًا رائعًا للأجهزة المدمجة التي تعتمد على Linux، مثل أجهزة Raspberry Pi وأجهزة Coral المزودة بـ Edge TPU ، من بين العديد من الأجهزة الأخرى.

توضح هذه الصفحة كيف يمكنك البدء في تشغيل نماذج TensorFlow Lite باستخدام لغة Python في دقائق معدودة. كل ما تحتاجه هو تحويل نموذج TensorFlow إلى TensorFlow Lite . (إذا لم يكن لديك نموذج تم تحويله بعد، فيمكنك تجربة استخدام النموذج المقدم مع المثال المرتبط أدناه.)

حول حزمة وقت التشغيل TensorFlow Lite

للبدء بسرعة في تنفيذ نماذج TensorFlow Lite باستخدام Python، يمكنك تثبيت مترجم TensorFlow Lite فقط، بدلاً من جميع حزم TensorFlow. نحن نسمي حزمة بايثون المبسطة tflite_runtime .

تعد حزمة tflite_runtime جزءًا صغيرًا من حجم حزمة tensorflow الكاملة وتتضمن الحد الأدنى من التعليمات البرمجية المطلوبة لتشغيل الاستدلالات باستخدام TensorFlow Lite، وهي في المقام الأول فئة Interpreter Python. تعتبر هذه الحزمة الصغيرة مثالية عندما يكون كل ما تريد فعله هو تنفيذ نماذج .tflite وتجنب إهدار مساحة القرص مع مكتبة TensorFlow الكبيرة.

قم بتثبيت TensorFlow Lite لبايثون

يمكنك التثبيت على Linux باستخدام النقطة:

python3 -m pip install tflite-runtime

المنصات المدعومة

تم تصميم عجلات Python tflite-runtime مسبقًا وتوفيرها لهذه الأنظمة الأساسية:

  • Linux Armv7l (على سبيل المثال Raspberry Pi 2 و3 و4 وZero 2 الذي يعمل بنظام التشغيل Raspberry Pi OS 32 بت)
  • Linux aarch64 (على سبيل المثال Raspberry Pi 3، 4 الذي يعمل بنظام Debian ARM64)
  • لينكس x86_64

إذا كنت تريد تشغيل نماذج TensorFlow Lite على منصات أخرى، فيجب عليك إما استخدام حزمة TensorFlow الكاملة ، أو إنشاء حزمة tflite-runtime من المصدر .

إذا كنت تستخدم TensorFlow مع Coral Edge TPU، فيجب عليك بدلاً من ذلك اتباع وثائق إعداد Coral المناسبة.

قم بتشغيل الاستدلال باستخدام tflite_runtime

بدلًا من استيراد Interpreter من وحدة tensorflow ، أنت بحاجة الآن إلى استيراده من tflite_runtime .

على سبيل المثال، بعد تثبيت الحزمة أعلاه، انسخ ملف label_image.py وقم بتشغيله. سوف يفشل (على الأرجح) لأنه لم يتم تثبيت مكتبة tensorflow . لإصلاح ذلك، قم بتحرير هذا السطر من الملف:

import tensorflow as tf

لذلك يقرأ بدلا من ذلك:

import tflite_runtime.interpreter as tflite

ثم قم بتغيير هذا السطر:

interpreter = tf.lite.Interpreter(model_path=args.model_file)

لذلك يقرأ:

interpreter = tflite.Interpreter(model_path=args.model_file)

الآن قم بتشغيل label_image.py مرة أخرى. هذا كل شيء! أنت الآن تقوم بتنفيذ نماذج TensorFlow Lite.

يتعلم أكثر