Kuinka rakentaa DIY AI -projekteja Google TensorFlow ja Raspberry Pi -ohjelmien avulla

Mainos

Koneoppiminen on aihe kaikkien huulilla. On helppo nähdä miksi. Se on datan manipuloinnin tulevaisuus ja sitä käytetään jo melkein kaikissa nykyaikaisissa yritysympäristöissä. Mutta voidaanko sitä yhdistää vadelmapiin kanssa? Onko Pi: n tehtävä ylläpitää toimivaa hermoverkkoa? Google TensorFlow -sovelluksella se voi!

TensorFlow voidaan asentaa Raspberry Pi -laitteeseen seuraavasti, esimerkkejä käytöstä.

Mikä on TensorFlow?

Ennen kuin sukella esimerkkeihin siitä, kuinka TensorFlow-sovellusta käytetään, on syytä tietää mikä se on.

Lyhyesti sanottuna, TensorFlow on Googlen harjoiteltava hermoverkko, joka pystyy suorittamaan monia erilaisia ​​tehtäviä. TensorFlow-hermostoverkot tekevät aktiivisia opiskeluita käyttäjän kehittämästä tietojoukosta tarkat ennusteet, kun heille annetaan uutta tietoa.

Lyhyesti sanottuna, TensorFlow-hermoverkot ajatella.

Tarkista luettelomme Tensorflow-esimerkkejä Mikä on Google TensorFlow? Avoimen lähdekoodin esimerkit ja oppaatTensorFlow, koneoppiminen ja hermoverkot. Tässä on lyhyt kuvaus siitä, mikä se on, miksi siitä on hyötyä ja kuinka se oppia.

Lue lisää Lisätietoja.

Kuinka asentaa TensorFlow

Vaikka koneoppimisen aiheen ymmärtäminen vaatii vakavaa tutkimusta, TensorFlow-peruskäyttöä on helppo seurata. Meidän Kuvien tunnistus TensorFlow-opetusohjelmalla Aloita kuvan tunnistaminen TensorFlow- ja Raspberry Pi-ohjelmien avullaHaluatko käsitellä kuvan tunnistamista? Tensorflowin ja vadelmapiin ansiosta voit aloittaa heti. Lue lisää kattaa kirjaston asentamisen Pi-laitteeseesi. Se kattaa myös sen testaamisen ja Peruskuvan luokitteluohjelman suorittamisen.

Tässä tapauksessa TensorFlow tarjoaa jo koulutetun hermoverkon. Ainoa käyttäjän on syötettävä oikea tietotyyppi, ja TensorFlow arvaa mitä kuva sisältää. Jopa TensorFlow-ohjelman perussovellus pystyy luokittelemaan kuvat 1000 luokkaan. Se saa yllättävän määrän oikein!

Mutta mitä muuta voit tehdä TensorFlow: lla Raspberry Pi: llä?

Olemme peittäneet kuinka tehdä älykäs verkkokamera DIY Pan ja Tilt -verkon turvakamera Raspberry Pi: lläOpi tekemään etäältä katseltavissa oleva pannu- ja kallistuskamera Raspberry Pi: llä. Tämä projekti voidaan saada aikaan aamulla vain yksinkertaisimmista osista. Lue lisää ennen, mutta tämä puhuva mobiilikuvien luokitin vie sen uudelle tasolle.

Tämä yksityiskohtainen viesti kuvaa laitteiston asennuksen ja mukautetut ohjelmistot, jotka on integroitu Inception-kuvaluokittelijaan. Esimerkkikoodi osoittaa kuinka helppoa on integroida TensorFlow projektiin (edellyttäen, että olet tyytyväinen Python-ohjelmointikielen perusteet 5 kurssia, jotka vievät sinut Pythonin aloittelijasta Pro: lleNämä viisi kurssia opettavat sinulle kaiken ohjelmoinnin Pythonissa, joka on yksi kuumimmista kielistä tällä hetkellä. Lue lisää ). Artikkelissa käsitellään hyvin yksityiskohtaisesti kuvan tunnistamisen prosessia. Se on yleensä erinomainen resurssi kenelle tahansa kiinnostuneille.

Yksi tämän asennuksen erinomainen elementti ei välttämättä ole aluksi selvää:

"Lisäbonus, jota monet huomauttivat, on se, että asennettuaan ei tarvita Internet-yhteyttä."

Aikaisempi kuvan tunnistaminen on aina luottanut valtavaan käsittelyaikaan tai Internet-yhteyteen. Pi ei voi aina välittää tietoja pilvelle, ja sen prosessointiteho on rajoitettu. Tämä on ratkaisu, itsenäinen offline-tunnistin, jonka voit tehdä kotona. Se jopa kertoo sinulle, mitä se katselee. Eikö tulevaisuus ole ihmeellinen?

Kotitekoiset älykkäät (tai “maagiset”) peilit ovat siitä tyylikkäimmistä asioista, joita voit rakentaa Kuinka muuttaa vanha kannettavan tietokoneen näyttö taikapeiliksiÄlykkäät peilit ovat ainutlaatuisia laitteita, joiden avulla voit pistää taikuutta kotiisi. Näytämme kuinka rakentaa sellainen Raspberry Pi: n kanssa. Lue lisää . Vaatii vain Pi: n ja vanhan kannettavan tietokoneen näytön yhdessä DIY-tarvikkeiden kanssa, se on loistava aloittelijaprojekti. Alasdair Allan päätti olla tyydyttämättä keskimääräisestä älykkäästä peilistä ja rakensi sen TensorFlow maaginen peili äänentunnistuksella.

Koska Alasdair ei ollut tyytyväinen verkkopohjaisen puheentunnistuksen kustannuksiin, se päätti TensorFlow: sta offline-vaihtoehtona. Integroidaan TensorFlowin ennalta koulutettu äänentunnistusmalli jo käytettyyn AIY-pakkaus koodi lisää mukautettuja herätyssanoja projektiin.

Google koonnut tietojoukon, jossa oli yli 65 000 joukkoviestinnäistä sanaa. Tämä avoimen lähdekoodin tietojoukko opetti hermoverkon ymmärtämään joitain sanoja.

Tässä tapauksessa se lisäsi useita mahdollisia herätyssanoja, mutta törmää kuitenkin tuttuun koneoppimisongelmaan: hermoverkon kouluttaminen vie paljon tietoa.

Ellet halua luoda ainutlaatuista tietojoukkoa, jossa on kymmeniä tuhansia merkintöjä, olet rajoitettu siihen, mikä on vapaasti saatavilla. Tämä projekti osoittaa TensorFlow: n rajoitukset Pi: llä nykyisessä tilassaan. Se on täysin toimiva, mutta työntää Pi: n laskennallisia ominaisuuksia. Kuten kaikki uudet tekniikat, tämäkin varhainen käyttöönotto on välähdys älykkäiden kodin laitteiden tulevaisuuteen.

Koska Google historia itse ajavilla autoilla Kuinka itse ajavat autot toimivat: Mutterit ja pultit Googlen autonomisen auto-ohjelman takanaKyky liikkua edestakaisin töihin nukkumisen, syömisen tai suosikkisi saavuttamisen takia blogit on käsite, joka on yhtä houkutteleva ja näennäisesti kaukainen ja liian futuristinen todellisuuden kannalta tapahtua. Lue lisää , ei ole yllättävää, että TensorFlow sopii hyvin itsenäiseen ajoon.

DeepPiCar on erinomainen esimerkki tällaisesta hermostoverkosta toiminnassa. Tavallisen kaukosäätimen rinnalla tämä Raspberry Pi -robotti sisältää jotain aivan älykästä. GitHub-projektisivulle toimitetulla tietojoukolla koulutettu verkko oppii pysymään ennalta määrätyllä radalla.

Tämä projekti ei ole tarkoitettu aloittelijoille. Tarvittava laitteisto löytyy melkein mistä tahansa halvasta robottisarjasta. Ohjelmistototeutus vie jonkin verran syvällisempää tietoa. Sinun tulisi olla hyvä käsitys koneoppimisesta, ennen kuin aloitat sen.

Yksi tunnetuimmista TensorFlow-sovellusten käyttöönotosta Pi: llä, Makoto Koiken kurkkulajittelija on merkki tulevista asioista.

Tuoretuotteiden lajittelu eri markkinoille on massiivinen kustannus pienemmille toimittajille. Kurkkujen lajittelu koon ja laadun mukaan on tehtävä, jonka viime aikoihin saakka vain ihmiskäyttäjä pystyi suorittamaan. Koneiden lajittelu oli erittäin vaikeaa saavuttaa ja kallista. TensorFlow ratkaisee tämän ongelman luokittelemalla kurkut reaaliajassa kameran kautta.

Makoto käytti hermoverkkoa erottamaan eri tyypit yli 7000 kurkkikuvien avulla. Toiminnassa verkkokamerat kaappaavat kuvia kolmesta kulmasta. Pi luokittelee kuvat ennen niiden lähettämistä Linux-palvelimelle lisäluokitusta varten. Tulos laukaisee kuljetushihnan ja servojärjestelmän, joka lajittelee kurkut laatikoihin.

Jotain fiksun alku

Olemme nähneet Vadelmapiä käytetään kaikkeen 26 Mahtavia käyttökohteita vadelmapiilleMillä Raspberry Pi -hankkeella sinun pitäisi aloittaa? Tässä on meidän parhaiden Raspberry Pi -käyttötapojen ja -projektien kokonaisuus! Lue lisää , joten ei ole yllättävää, että TensorFlow on saapunut siihen. Pi pyrkii pysymään koneoppimisen vaatimusten kanssa, mutta se on hieno perusteiden oppimiseen Mikä on koneoppiminen? Googlen ilmainen kurssi katkaisee sen sinulleGoogle on suunnitellut ilmaisen verkkokurssin, jonka avulla voit opettaa sinulle koneoppimisen perusteet. Lue lisää .