TensorFlow是谷歌的神经网络库。鉴于机器学习是目前最热门的事情，谷歌在这项新技术中处于领先地位也不足为奇。

在本文中，您将学习如何在Raspberry Pi上安装TensorFlow，并在预先训练的神经网络上运行简单的图像分类。

入门

要开始使用图像识别，您需要一个Raspberry Pi（任何型号都可以）和一个带有Raspbian Stretch（9.0+）操作系统的SD卡（如果您是Raspberry Pi的新手，请使用我们的安装指南）。

启动Pi并打开终端窗口。确保Pi是最新的，并检查Python版本。

在本教程中，您可以同时使用python2.7或python3.4+。这个例子是针对python3的。对于Python2.7，在本教程中用Python替换Python3，用pip替换pip3。

Pip是Python的包管理器，通常作为标准安装在Linux发行版上。

如果您发现没有，请按照本文中的install for Linux说明进行安装。

安装tensorflow

安装TensorFlow过去是一个非常令人沮丧的过程，但是最近的更新使它变得非常简单。虽然您可以在没有任何先前知识的情况下遵循本教程，但在尝试之前，可能需要了解机器学习的基本知识。

在安装TensorFlow之前，请先安装Atlas库。

完成后，通过pip3安装TensorFlow

这将为登录用户安装TensorFlow。如果您喜欢使用虚拟环境，请在此处修改代码以反映这一点。

测试张量流

一旦安装好，您就可以测试它是否与TensorFlow相当于一个Hello，world！

从命令行使用nano或vim创建一个新的Python脚本（如果您不确定要使用哪一个，它们都有优点），并将其命名为易于记住的名称。

输入此代码，由Google提供，用于测试TensorFlow：

如果您使用的是nano，请按Ctrl+X退出，并在提示时键入Y保存文件。

从终端运行代码：

你应该看到“你好，TensorFlow”打印出来。

如果您运行的是python3.5，则会收到几个运行时警告。官方的TensorFlow教程承认会发生这种情况，建议您忽略它。

真管用！现在做一些有趣的关于张量流的事情。

安装图像分类器

在终端中，在主目录中为项目创建一个目录并导航到其中。

TensorFlow有一个git存储库，其中有一些示例模型可供尝试。将存储库克隆到新目录：

您希望使用图像分类示例，可以在模型/教程/图像/imagenet中找到。立即导航到该文件夹：

标准图像分类脚本与提供的熊猫图像一起运行：

要使用提供的panda图像运行标准图像分类器，请输入：

这将熊猫的图像输入到神经网络中，神经网络返回对图像内容的猜测，并给出其确定程度的值。

如输出图像所示，神经网络猜测正确，几乎有90%的把握。它还认为图片中可能包含一个奶油冻苹果，但它对这个答案不是很有信心。

使用自定义图像

熊猫图片证明了TensorFlow的工作原理，但考虑到该项目提供的例子，这也许并不奇怪。为了更好的测试，你可以把自己的图像交给神经网络进行分类。

在本例中，您将看到TensorFlow神经网络是否可以识别George。

见见乔治。乔治是一只恐龙。要将此图像（此处以裁剪形式提供）输入神经网络，请在运行脚本时添加参数。

image_ufile=在脚本名称之后允许按路径添加任何图像。让我们看看这个神经网络是怎么做的。

不错！虽然乔治不是一只三角龙，但与其他选项相比，神经网络将这张图片归类为恐龙，具有高度的确定性。

张量流和覆盆子皮，准备好了

TensorFlow的这个基本实现已经有了潜力。这种物体识别是在Pi上进行的，不需要连接internet就可以正常工作。这意味着，随着一个覆盆子Pi相机模块和覆盆子Pi合适的电池单元，整个项目可以变得便携。

大多数教程只触及一个主题的表面，但它从来没有比在这种情况下更真实。机器学习是一门极其密集的学科。

让你的知识更进一步的一种方法是参加专门的课程。同时，用这些TensorFlow项目来实践机器学习和Raspberry Pi，你可以自己尝试。