[Python] Teachable Machine 이미지 프로젝트(Tensorflow Lite)

이 글은 Teachable Machine에서 이미지 분류를 하고 Tensorflow Lite로 모델을 실행하는 방법이다.

 

환경은
Raspberry Pi 3B Buster(앞으로의 프로젝트는 Buster를 선호한다)
Python3.7

---

1. TensorFlow Lite 설치

아래의 사이트에서 본인의 os에 맞는 버전을 설치한다. 라즈베리 buster라면 보통 arm32/python3.7이다.
https://www.tensorflow.org/lite/guide/python#install_tensorflow_lite_for_python

 

2. 예제 파일&모델 다운로드

git clone https://github.com/tensorflow/examples.git --depth 1
cd lite/examples/sound_classification/raspberry_pi
sh setup.sh

3. 모델 컴파일하기

Teachable Machine에서 모델을 학습한 뒤 모델 내보내기를 Tensorflow Lite에서 양자화됨을 선택한다.

 

 

먼저 터미널을 열어 lite/examples/image_classification/metadata 로 이동한다.

 

metadata_writer_for_image_classifier.py 파일을 열어 _MODEL_INFO를 아래와 같이(각자 설정에 맞게) 수정한다.

 

 

Teachable Machine에서 다운로드한 모델 현재 폴더로 이동한 후 수정한 옵션으로 실행한다.  

python3 metadata_writer_for_image_classifier.py
--model_file model.tflite
--label_file labels.txt
--export_directory=a

 

 

그러면 export_directory에 model.tflite파일이 생성된다.

 

4. 실행

lite/examples/image_classification/raspberry_pi로 이동한다.

classify.py를 실행할건데 argumnet에 존재하는 옵션의 default값을 수정하거나 터미널에서 옵션을 넣어준다.

특히 --model옵션은 3번 metadata로 컴파일한 모델의 path를 적어주거나 현재 폴더로 model.tflite을 옮겨준다.

 

 

실행결과는 아래와 같다.