Kaip sukurti „pasidaryk pats“ AI projektus naudojant „Google TensorFlow“ ir „Raspberry Pi“

Skelbimas

Mašinų mokymasis yra tema visiems. Nesunku suprasti, kodėl. Tai yra manipuliavimo duomenimis ateitis ir ji jau naudojama beveik kiekvienoje šiuolaikinėje verslo aplinkoje. Bet ar jį galima derinti su aviečių pi? Ar Pi užduotis yra išlaikyti veikiantį nervų tinklą? Naudodamas „Google TensorFlow“, tai gali!

Štai kaip „TensorFlow“ įdiegti „Raspberry Pi“, pateikiant keletą naudojimo pavyzdžių.

Kas yra „TensorFlow“?

Prieš pasinerdami į „TensorFlow“ naudojimo pavyzdžius, verta žinoti, kas tai yra iš tikrųjų.

Trumpai tariant, „TensorFlow“ yra „Google“ traukiamas nervų tinklas, galintis atlikti daugybę skirtingų užduočių. Aktyviai mokydamiesi iš vartotojo kuruojamo duomenų rinkinio, „TensorFlow“ neuroniniai tinklai pateikia tikslias prognozes, kai jiems pateikiami nauji duomenys.

Trumpai tariant, „TensorFlow“ neuroniniai tinklai galvoti.

Peržiūrėkite mūsų sąrašą „Tensorflow“ pavyzdžiai Kas yra „Google TensorFlow“? Atvirojo kodo pavyzdžiai ir vadovėliai„TensorFlow“, kompiuterinis mokymasis ir neuroniniai tinklai. Čia yra trumpa apžvalga, kas tai yra, kodėl tai naudinga ir kaip to išmokti.

Skaityti daugiau Daugiau informacijos.

Kaip įdiegti „TensorFlow“

Nors mašininio mokymosi dalyko supratimas reikalauja rimtų studijų, paprastą „TensorFlow“ naudojimą lengva sekti. Mūsų Vaizdo atpažinimas naudojant „TensorFlow“ mokymo programą Pradėkite nuo vaizdo atpažinimo naudodami „TensorFlow“ ir „Raspberry Pi“Ar norite susitvarkyti su vaizdo atpažinimu? „Tensorflow“ ir „Raspberry Pi“ dėka galite pradėti dirbti iš karto. Skaityti daugiau apima bibliotekos diegimą ant jūsų Pi. Tai taip pat apima jo išbandymą ir pagrindinės „Inception“ vaizdo klasifikavimo programos vykdymą.

Šiuo atveju „TensorFlow“ teikia jau apmokytą nervų tinklą. Viskas, ką vartotojas turi padaryti, yra įvesti teisingą duomenų tipą, o „TensorFlow“ atspės, kas yra paveikslėlyje. Net pagrindinis „TensorFlow“ įgyvendinimas gali suskirstyti vaizdus į 1000 klasių. Gaunama nuostabi suma teisinga!

Bet ką dar galite padaryti su „TensorFlow“ ant „Raspberry Pi“?

Mes padengėme kaip padaryti išmaniąją internetinę kamerą „Pasidaryk pats“ ir „Tilt“ tinklo saugumo kamera su „Raspberry Pi“Sužinokite, kaip padaryti nuotoliniu būdu matomą panoraminį ir pakreipiamąjį fotoaparatą naudojant Raspberry Pi. Šį projektą galima baigti ryte, naudojant tik paprasčiausias dalis. Skaityti daugiau anksčiau, bet tai kalbantis mobiliųjų vaizdų klasifikatorius pakelia į naują lygį.

Šiame išsamiame įraše aprašoma aparatūros sąranka ir pritaikyta programinė įranga, integruota su pradinio vaizdo klasifikatoriumi. Pavyzdinis kodas parodo, kaip lengva integruoti „TensorFlow“ į projektą (su sąlyga, kad jums patogu „Python“ programavimo kalbos pagrindai 5 kursai, kurie nuves jus nuo Python Beginner iki ProŠie penki kursai išmokys jus visko apie programavimą Python'e - tai viena populiariausių kalbų šiuo metu. Skaityti daugiau ). Straipsnyje labai išsamiai aprašomas vaizdo atpažinimo procesas. Tai yra puikus šaltinis visiems, besidomintiems šia sritimi.

Vienas puikus šios sąrankos elementas iš pradžių gali būti neaiškus:

„Papildoma premija, į kurią daugelis atkreipė dėmesį, yra tai, kad įdiegus ją nereikia jokios interneto prieigos“.

Ankstesnis vaizdo atpažinimas visada rėmėsi didžiuliu apdorojimo laiko kiekiu arba interneto ryšiu. „Pi“ ne visada gali perduoti informaciją debesiui ir turi ribotą duomenų apdorojimo galią. Tai yra sprendimas, autonominis objekto atpažinimo įrenginys, kurį galite pasidaryti namuose. Tai net pasakys, į ką žiūri. Argi ateitis nėra nuostabi?

Yra naminiai išmanieji (arba „stebuklingi“) veidrodžiai apie šauniausią dalyką, kurį galite sukurti Kaip paversti seną nešiojamojo kompiuterio ekraną stebuklingu veidrodžiuIšmanieji veidrodžiai yra unikalūs įrenginiai, kuriuos galite naudoti, kad įneštumėte į namus šiek tiek magijos. Mes jums parodysime, kaip sukurti vieną su „Raspberry Pi“. Skaityti daugiau . Reikalingas tik „Pi“ ir senas nešiojamojo kompiuterio ekranas kartu su pagrindiniais „pasidaryk pats“ elementais - tai puikus pradedančiųjų projektas. Alasdair Allan nusprendė nesigilinti į vidutinį išmanųjį veidrodį ir pastatė „TensorFlow“ stebuklingas veidrodis su balso atpažinimu.

Nepatenkintas žiniatinklio kalbos atpažinimo kainomis, „Alasdair“ pasirinko „TensorFlow“ kaip neprisijungusią alternatyvą. „TensorFlow“ iš anksto parengto balso atpažinimo modelio integravimas į jau naudojamą AIY rinkinys kodas prideda pasirinktinius žadinimo žodžius projektui.

„Google“ surinko duomenų rinkinį su daugiau nei 65 000 žmonių surinktų žodžių. Šis atvirojo kodo duomenų rinkinys išmokė neuroninį tinklą suprasti kai kuriuos žodžius.

Šiuo atveju jis pridėjo keletą galimų žadinimo žodžių, tačiau vis tiek susiduria su pažįstama mašininio mokymosi problema: norint išmokyti neuroninį tinklą, reikia daug duomenų.

Jei nenorite sukurti unikalaus duomenų rinkinio su dešimtimis tūkstančių įrašų, apsiribokite tuo, kas yra laisvai prieinama. Šis projektas parodo „TensorFlow“ apribojimus Pi dabartinėje būsenoje. Jis yra visiškai funkcionuojantis, tačiau stumia Pi skaičiavimo galimybes. Kaip ir visos naujos technologijos, šis ankstyvas diegimas yra žvilgsnis į išmaniųjų namų įrenginių ateitį.

Atsižvelgiant į „Google“ istorija su savarankiškai važiuojančiais automobiliais Kaip veikia savarankiškai važiuojantys automobiliai: „Google“ autonominių automobilių programos veržlės ir varžtaiGalimybė važiuoti pirmyn ir atgal į darbą miegant, valgant ar pasivaišinant mėgstamiausiu internetiniai dienoraščiai yra tokia pat patraukli, panaši į tolį ir per daug futuristiška koncepcija atsitikti. Skaityti daugiau , nenuostabu, kad „TensorFlow“ puikiai tinka autonominiam vairavimui.

„DeepPiCar“ yra puikus veikiančio nervų tinklo pavyzdys. Greta standartinio nuotolinio valdymo pulto, šis „Raspberry Pi“ robotas pasižymi kažkuo sumaniu. Apmokytas duomenų rinkinyje, pateiktame „GitHub“ projekto puslapyje, tinklas išmoksta išlikti iš anksto nustatytu keliu.

Šis projektas nėra skirtas pradedantiesiems. Reikiamą techninę įrangą galite rasti beveik bet kuriame pigių robotų komplekte. Įdiegiant programinę įrangą reikia šiek tiek daugiau žinių. Prieš pradėdami mokytis, turėtumėte gerai suprasti mašinų mokymąsi.

Vienas iš geriausiai žinomų „TensorFlow“ diegimų „Pi“ „Makoto Koike“ agurkų rūšiuoklė yra ateinančių dalykų ženklas.

Šviežių produktų rūšiavimas skirtingoms rinkoms yra didžiulė kaina mažesniems tiekėjams. Rūšiuoti agurkus pagal dydį ir kokybę yra užduotis, kurią dar neseniai galėjo atlikti tik žmogus. Rūšiuoti mašinomis buvo labai sunku ir brangu. „TensorFlow“ išsprendžia šią problemą, suskirstydama agurkus į realų laiką per kamerą.

Naudodamas daugiau nei 7000 agurkų vaizdų, Makoto išmokė nervų tinklą atskirti įvairius tipus. Veikiančios kameros fiksuoja vaizdus iš trijų kampų. „Pi“ klasifikuoja vaizdus prieš perduodamas juos į „Linux“ serverį tolesnei klasifikacijai. Rezultatas suaktyvina konvejerio juostą ir servo sistemą, kuri agurkus rūšiuoja į dėžutes.

Kažko protingo pradžia

Mes matėme Aviečių pi yra naudojama viskam 26 Nuostabūs aviečių pi naudojimo būdaiKurį „Raspberry Pi“ projektą turėtumėte pradėti? Čia rasite geriausius Raspberry Pi naudojimo būdus ir projektus aplink! Skaityti daugiau , todėl nenuostabu, kad jame pasirodė „TensorFlow“. Pi stengiasi neatsilikti nuo mašininio mokymosi poreikių, bet tai yra puikiai tinka išmokti pagrindus Kas yra mašinų mokymasis? „Google“ nemokamas kursas nutraukia tai jums„Google“ sukūrė nemokamą internetinį kursą, kuriame bus mokomi pagrindiniai kompiuterinio mokymosi pagrindai. Skaityti daugiau .