Sehemu ya 2. Mfano wa ThinkBioT Pamoja na Google AutoML: Hatua 8

2024 Mwandishi: John Day | [email protected]. Mwisho uliobadilishwa: 2024-01-30 12:51

ThinkBioT imeundwa kuwa "kuziba na kucheza", na Modeli za TensorFlow Lite zinazoendana na Edge.

Katika hati hii tutashughulikia kuunda michoro, kutengeneza data yako, na kutumia Google AutoML.

Nambari katika mafunzo haya itaandikwa kwa bash na itakuwa sawa na jukwaa anuwai.

Utegemezi

• Walakini kabla ya kuanza utahitaji kusanikisha programu ya sauti ya laini ya amri inayoambatana na vifaa vya Windows, Mac na Linux.
• Ikiwa uko kwenye kifaa cha Windows njia rahisi ya kutumia maandishi ya bash ni kupitia Git kwa hivyo ningependekeza na kupakua na kusanikisha hiyo kuwa muhimu kwa njia nyingi,
• Kwa msimbo wa kuhariri tumia mhariri wako uipenda au usakinishe NotePad ++ kwa windows au Atom kwa mifumo mingine ya uendeshaji.

** Ikiwa una mfano wa TensorFlow uliyopo au ungependa kujaribu kuhamisha ujifunzaji na mtindo uliopo, tafadhali rejea Nyaraka za Google Coral.

Hatua ya 1: Sanidi Ndoo ya Hifadhi ya Wingu la Google

1. Ingia katika akaunti yako ya gmail (au fungua moja ikiwa huna akaunti ya Google)

2. Nenda kwenye ukurasa wa kuchagua mradi na ufanyie mradi mpya kwako mfano na faili za programu. Utahitaji kuwezesha malipo kuendelea zaidi.

3. Tembelea https://cloud.google.com/storage/ na bonyeza kitufe cha kuunda ndoo juu ya ukurasa.

4. Ingiza jina lako unalotaka ndoo na unda ndoo inayokubali mipangilio chaguomsingi.

Hatua ya 2: Umbiza Takwimu zako na Unda Dataset Csv

Nimeunda hati inayofaa kuunda faili yako ya dataset.csv inahitajika kuunda mfano wako. Faili ya hifadhidata inaunganisha picha kwenye ndoo yako na lebo zao kwenye mkusanyiko wa data..

1. Pakua hazina ya ThinkBioT kutoka GitHub na

2. Nakili faili ya tbt_spect_example.sh kutoka saraka ya Zana kwenye folda mpya kwenye eneo-kazi lako.

3. Ongeza faili za sauti ambazo ungependa kutumia kwenye modeli yako, uziweke kwenye folda zilizo na lebo yao (yaani kile ungependa zipangiwe. Kwa mfano, ikiwa ungetaka kutambua mbwa au paka, unaweza kuwa na folda mbwa, na sauti za gome AU folda iliyoitwa paka na sauti za paka nk.

4. Fungua tbt_spect_example.sh na Notepad ++ na ubadilishe "yourbucknamename" katika mstari wa 54 na jina la Ndoo yako ya Hifadhi ya Google. Kwa mfano, ikiwa ndoo yako iliitwa myModelBucket laini ingebadilishwa kuwa

ndoo = "gs: // myModelBucket / spectro-data /"

5. Endesha nambari kwa kuandika zifuatazo kwenye kituo chako cha Bash, nambari itaendesha na kuunda lebo yako csv faili na saraka inayoitwa data ya spectro kwenye dawati lako la juu na maonyesho ya matokeo.

sh tbt_spect_mfano.sh

Hatua ya 3: Pakia Spectrograms zako kwenye Ndoo yako

Kuna njia chache za kupakia kwenye Hifadhi ya Google, rahisi zaidi ni kufanya folda moja kwa moja up mzigo;

1. Bonyeza jina lako la ndoo kwenye ukurasa wako wa Hifadhi ya Google.

2. Chagua kitufe cha "PAKUA FOLDA" na uchague saraka yako ya "spectro-data /" iliyoundwa katika hatua ya mwisho.

AU

2. Ikiwa una idadi kubwa ya faili wewe mwenyewe huunda saraka ya "spectro-data /" kwa kuchagua "CREATE FOLDER", kisha nenda kwenye folda na uchague "PAKUA FILES". Hii inaweza kuwa chaguo kubwa kwa seti kubwa za data kwani unaweza kupakia maonyesho katika sehemu, hata ukitumia kompyuta nyingi ili kuongeza kasi ya kupakia.

AU

2. Ikiwa wewe ni mtumiaji wa hali ya juu unaweza pia kupakia kupitia Google Cloud Shell;

data ya gsutil cp spectro-data / * gs: // jina-lako la ndoo / data ya spectro /

Unapaswa sasa kuwa na ndoo iliyojaa maonyesho mazuri sana!

Hatua ya 4: Pakia Hifadhidata yako ya Csv

Sasa tunahitaji kupakia faili ya mfano-labels.csv kwenye saraka yako ya "spectro-data /" katika Hifadhi ya Google, ni sawa na hatua ya mwisho, unapakia faili moja badala ya nyingi.

1. Bonyeza jina lako la ndoo kwenye ukurasa wako wa Hifadhi ya Google.

2. Chagua kitufe cha PAKUA FILE FILE na uchague faili yako ya modeli-lebo.csv uliyoiunda mapema.

Hatua ya 5: Unda Hifadhidata

1. Kwanza utahitaji kupata AutoML VIsion API, inaweza kuwa ngumu kidogo! Njia rahisi ni kutafuta "maono ya automl" katika upau wa utaftaji wa Hifadhi yako ya Google Cloud (pichani).

2. Mara tu unapobofya kiunga cha API utahitaji kuwezesha API.

3. Sasa utakuwa kwenye Dashibodi ya Maono ya AutoML (pichani) bonyeza kitufe kipya cha hifadhidata na uchague Lebo moja na chaguo la "Chagua faili ya CSV". Kisha utajumuisha kiunga kwenye faili yako ya mfano-labels.csv kwenye ndoo yako ya kuhifadhi. Ikiwa umefuata mafunzo haya itakuwa kama ilivyo hapo chini

gs: //yourBucketName/spectro-data/model-labelsBal.csv

4. Kisha waandishi wa habari endelea kuunda hifadhidata yako. Inaweza kuchukua muda kuunda.

Hatua ya 6: Unda Mfano wako wa AutoML

Mara tu unapopokea barua pepe yako kukujulisha setaiti yako imeundwa uko tayari kuunda mtindo wako mpya.

1. Bonyeza kitufe cha MAFUNZO
2. Chagua aina ya mfano: Makadirio ya latency ya Edge na Model: Edge TPU na uacha chaguzi zingine kama chaguo-msingi mwanzoni, ngumu unaweza kupenda kujaribu baadaye.
3. Sasa mtindo wako utajifunza, itachukua muda na utapokea barua pepe ikiwa tayari kupakua.

Kumbuka: Ikiwa kitufe cha treni haipatikani unaweza kuwa na shida na hifadhidata yako. Ikiwa una chini ya 10 ya kila darasa (lebo) mfumo hautakuruhusu Ufundishe Mfano ili ubidi uongeze picha za ziada. Inafaa kutazama Video ya Google AutoML ikiwa unahitaji ufafanuzi.

Hatua ya 7: Jaribu Mfano wako

Mara baada ya kupokea barua pepe yako ya kukamilisha mfano bonyeza kwenye kiunga cha kurudi kwenye API ya Maono ya AutoML.

1. Sasa utaweza kuona matokeo yako na tumbo la kuchanganyikiwa kwa mfano wako.

2. Hatua inayofuata ni kujaribu Mfano wako, nenda kwenye 'JARIBU & TUMIA' au 'TABIRI' cha kushangaza kunaonekana kuwa na watumiaji 2 wa GUI, ambazo zote nimezipiga picha, lakini chaguo zote zina utendaji sawa.

3. Sasa unaweza kupakia programu ya jaribio. Ili kutengeneza programu moja unaweza kutumia programu ya tbt_make_one_spect.sh kutoka ThinkBioT Github. Tupa tu kwenye folda na wav ambayo unataka kuibadilisha kuwa programu inayofungua dirisha la Git Bash (au terminal) na utumie nambari iliyo hapa chini, ukibadilisha jina lako la faili.

sh tbt_make_one_spect.sh yakoWavName.wav

4. Sasa pakia tu programu na angalia matokeo yako!

Hatua ya 8: Sakinisha Mfano wako kwenye ThinkBioT

Kutumia mtindo wako mpya unaong'aa weka tu mfano na faili ya txt kwenye folda ya CModel;

pi> ThinkBioT> ClassProcess> CModel

Sasa uko tayari kutumia ThinkBioT:)

** NB ** Ikiwa unatumia mtindo wako nje ya mfumo wa ThinkBioT utahitaji kuhariri hati yako ya lebo kama ongeza umbers mwanzoni mwa kila mstari kama wakalimani wa hivi karibuni wa tflite waliojengwa katika "maandishi ya kusoma" wakidhani wapo. Nimeandika kazi ya kawaida katika mfumo wa ThinkBioT classify_spect.py kama kazi ambayo unakaribishwa kutumia katika nambari yako mwenyewe:)

def ReadLabelFile (file_path):

counter = 0 na open (file_path, 'r', encoding = 'utf-8') kama f: mistari = f.readlines () ret = {} kwa mstari katika mistari: ret [int (counter)] = line.strip () counter = counter + 1 kurudi kurudi