Raspberry Pi (레거시)

Roboflow Train 모델을 Raspberry Pi에 배포하세요.

이 페이지에 이전에 있던 정보는 더 이상 제공되지 않습니다. Roboflow 배포 문서는 다음에서 확인할 수 있습니다:

• 배포 개요

• Roboflow 추론 문서: https://inference.roboflow.com

비디오로 학습하는 것을 선호하나요? 다음을 확인해 보세요 Raspberry Pi 비디오 가이드.

Raspberry Pi 배포 옵션은 신뢰할 수 있는 인터넷 연결 없이 모델을 실행해야 하는 상황에서 장치에서 직접 실행됩니다.

지원 작업

호스팅된 API에서 다음 작업 유형이 지원됩니다:

작업 유형	Hosted API로 지원됨
Object Detection	✅
분류	✅
인스턴스 세분화	✅
시맨틱 세분화	✅

모델을 Raspberry Pi에 배포하기

Raspberry Pi 4(또는 Raspberry Pi 400)가 필요합니다 64비트 버전의 Ubuntu를 실행 중인호환되는 시스템을 실행 중인지 확인하려면 다음을 입력하세요 arch Raspberry Pi의 명령줄에 입력하여 출력이 다음인지 확인하세요 aarch64.

그런 다음 Raspberry Pi에서 터미널을 열고 Docker를 설치합니다 편리한 스크립트를 사용하여:

 curl -fsSL https://get.docker.com -o get-docker.sh
 sudo sh get-docker.sh

1단계: Inference Server 설치

추론 API는 Raspberry Pi에 최적화되고 구성된 Docker 컨테이너로 제공됩니다. 다음 명령으로 추론 서버를 설치하고 실행할 수 있습니다:

sudo docker run -it --rm -p 9001:9001 roboflow/roboflow-inference-server-arm-cpu

이제 Pi를 Hosted Inference API 의 대체로 즉시 사용할 수 있습니다(여러 프로그래밍 언어의 예제 코드 스니펫은 해당 문서를 참조하세요).

2단계: Roboflow pip 패키지 설치

다음으로, Roboflow python 패키지 를 사용하여 pip install roboflow.

3단계: 추론 실행

모델에서 추론을 실행하려면 다음 코드를 실행하세요. API 키, workspace 및 project ID, 프로젝트 버전, 이미지 이름을 적절히 교체하세요. 다음을 통해 배울 수 있습니다 API 키를 찾는 방법 그리고 workspace 및 project ID를 찾는 방법.

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_PRIVATE_API_KEY")
project = rf.workspace("YOUR_WORKSPACE").project("YOUR_PROJECT")
model = project.version(VERSION_NUMBER, local="http://localhost:9001/").model

prediction = model.predict("YOUR_IMAGE.jpg", confidence=40, overlap=30)
## 호스팅된 이미지에서 예측 받기
#prediction = model.predict("YOUR_IMAGE.jpg", hosted=True)
print(prediction.json())

다음은 모델에 대한 우리 추론의 예시 결과입니다:

추론 결과: 단일 이미지(Visual Studio Code 터미널)

또한 클라이언트-서버 환경으로 실행하여 네트워크의 다른 머신에서 Pi로 이미지를 보내 추론을 수행할 수 있습니다. 다음을 교체하세요 localhost 에서 local= 매개변수를 Pi의 로컬 IP 주소로 변경합니다.

성능 기대치

Raspberry Pi 400에서 약 1.3 프레임/초를 관찰했습니다. 이 결과는 클라이언트-서버 환경에서(따라서 약간의 네트워크 지연이 포함되며) 416x416 모델로 운영하는 동안 얻은 것입니다.

도움을 참조할 수 있습니다

• Raspberry Pi 비디오 튜토리얼