Jak vytvořit DIY AI projekty pomocí Google TensorFlow a Raspberry Pi

Strojové učení je téma na rtech každého. Je snadné pochopit, proč. Je to budoucnost manipulace s daty a používá se téměř v každém moderním obchodním prostředí. Lze ji však kombinovat s Raspberry Pi? Je Pi úkolem udržovat fungující neuronovou síť? S Google TensorFlow to může!

Zde je návod, jak nainstalovat TensorFlow na Raspberry Pi, s několika příklady použití.

Co je TensorFlow?

Než se ponoříte do příkladů, jak se TensorFlow používá, stojí za to vědět, co to vlastně je.

Stručně řečeno, TensorFlow je trénovatelná neuronová síť Google, která může provádět mnoho různých úkolů. Aktivním učením se z datového souboru spravovaného uživatelem, neuronové sítě TensorFlow činí přesné předpovědi, když dostávají nová data.

Stručně řečeno, neuronové sítě TensorFlow myslet si.

Podívejte se na seznam příkladů Tensorflowu Co je Google TensorFlow? Příklady a návody s otevřeným zdrojovým kódem Co je Google TensorFlow? Příklady a návody s otevřeným zdrojovým kódem TensorFlow, strojové učení a neuronové sítě. Zde je rychlý přehled toho, co to je, proč je to užitečné a jak se to naučit. Pro více informací.

Jak nainstalovat TensorFlow

I když pochopení předmětu strojového učení vyžaduje seriózní studium, základní použití TensorFlow je snadné sledovat. Náš tutoriál Rozpoznávání obrázků s tutoriálem TensorFlow Začínáme s rozpoznáváním obrazu pomocí TensorFlow a Raspberry Pi Začínáme s rozpoznáváním obrazu pomocí TensorFlow a Raspberry Pi Chcete se vyrovnat s rozpoznáváním obrazu? Díky Tensorflow a Raspberry Pi můžete začít hned. zahrnuje instalaci knihovny do vašeho Pi. Zahrnuje také testování a spuštění základního programu klasifikace obrazů Inception.

V tomto případě TensorFlow poskytuje již vyškolenou neuronovou síť. Vše, co musí uživatel udělat, je vložení správného typu dat a TensorFlow uhodne, co obraz obsahuje. I základní implementace TensorFlow je schopna klasifikovat obrázky do 1000 tříd. Opraví překvapivé množství!

Ale co jiného můžete udělat s TensorFlow na Raspberry Pi?

Přenosné rozpoznávání obrázků

?

Pokryli jsme se, jak vytvořit inteligentní webovou kameru pro kutily a naklápěcí síťovou kameru s Raspberry Pi Kutily pro kutily a naklápěcí síťovou kameru s Raspberry Pi Naučte se, jak pomocí dálkově zobrazitelné bezpečnostní kamery pro naklápění a naklápění pomocí Raspberry Pi. Tento projekt lze dokončit ráno pouze s nejjednoduššími částmi. dříve, ale tento mluvící mobilní klasifikátor obrázků ji posunul na novou úroveň.

Tento podrobný příspěvek popisuje nastavení hardwaru a vlastní software integrovaný s prvotřídním obrazovým klasifikátorem. Ukázkový kód ukazuje, jak snadné je integrovat TensorFlow s projektem (za předpokladu, že znáte základní znalosti programovacího jazyka Python 5 kurzů, které vás zavedou od Python Beginnera k 5 kurzům, které vás zavedou od Python Beginner) to Pro Těchto pět kurzů vás naučí vše o programování v Pythonu, jednom z nejžhavějších jazyků právě teď.). Článek jde do podrobností o procesu rozpoznávání obrazu. Je to vynikající zdroj obecně pro každého, kdo se zajímá o tuto oblast.

Jeden vynikající prvek tohoto nastavení nemusí být zpočátku jasný:

“Dalším bonusem, který mnozí zdůraznili, je, že po instalaci není vyžadován žádný přístup k internetu.”

Předchozí rozpoznávání obrázků se vždy spoléhalo na obrovské množství času zpracování nebo připojení k internetu. Pi nemůže vždy předávat informace do cloudu a má omezenou kapacitu zpracování. Toto je řešení, samostatný rozpoznávač objektů offline, který můžete vytvořit doma. Dokonce vám řekne, na co se to dívá. Není budoucnost úžasná?

TensorFlow Magic Mirror

Domácí inteligentní (nebo “magie”) Zrcátka jsou o tom nejlepším, co můžete postavit Jak proměnit starou obrazovku notebooku do magického zrcadla Jak proměnit starou obrazovku notebooku do magického zrcadla Inteligentní zrcadla jsou jedinečná zařízení, která můžete použít k vložení nějaké magie do vašeho domova. Ukážeme vám, jak postavit jeden s Raspberry Pi. . Vyžaduje pouze Pi a starou obrazovku notebooku spolu se základními potřebami pro kutily, je to skvělý začátečník. Alasdair Allan se rozhodl neuspokojit se s průměrným inteligentním zrcadlem a postavil magické zrcadlo TensorFlow s rozpoznáváním hlasu.

Alasdair, nespokojený s náklady na rozpoznávání řeči na internetu, se rozhodl pro TensorFlow jako alternativu offline. Integrace předpřipraveného modelu rozpoznávání hlasu TensorFlow do již používaného kódu sady AIY přidává do projektu vlastní probuzení slova.

Google sestavil dataset s více než 65 000 davy získanými zdroji. Tento datový soubor s otevřeným zdrojovým kódem vyškolil neuronovou síť, aby porozuměla některým slovům.

V tomto případě přidal několik možných slov probudit, ale stále naráží na známý problém strojového učení: trénování neuronové sítě vyžaduje hodně dat..

Pokud nejste ochotni vytvořit jedinečný dataset s desítkami tisíc záznamů, jste omezeni na to, co je volně k dispozici. Tento projekt ukazuje omezení TensorFlow na Pi v jeho současném stavu. Je plně funkční, ale posouvá výpočetní schopnosti Pi. Stejně jako u všech nových technologií je i tato časná implementace pohledem do budoucnosti inteligentních domácích zařízení.

Autonomní RC auto TensorFlow

Vzhledem k historii společnosti Google s auty s vlastním pohonem Jak fungují autovraky: Matice a šrouby za autonomním programem Google Jak autovraky fungují: Matice a šrouby za autonomním programem Google Být schopen dojíždět sem a tam do práce, zatímco spánek, stravování nebo dohánění na vašich oblíbených blogech je koncept, který je stejně přitažlivý a zdánlivě vzdálený a příliš futuristický, než aby se skutečně stal. , není žádným překvapením, že TensorFlow je vhodný pro autonomní řízení.

DeepPiCar je vynikajícím příkladem tohoto druhu neuronové sítě v akci. Kromě standardního dálkového ovládání je tento robot Raspberry Pi vybaven něčím chytrým. Síť je trénována na datovém souboru na stránce projektu GitHub a naučí se zůstat na předem stanovené trati.

Tento projekt není určen pro začátečníky. Požadovaný hardware lze nalézt téměř v každé levné robotické sadě. Implementace softwaru vyžaduje více podrobných znalostí. Měli byste mít dobrý přehled o strojovém učení, než ho začnete používat.

Okurkový automatický třídič

Jedno z nejznámějších nasazení TensorFlow na Pi, třídič okurek Makoto Koike je známkou toho, co přijde.

Třídění čerstvé produkce pro různé trhy je pro menší poskytovatele obrovské náklady. Třídění okurek podle velikosti a kvality je úkol, který donedávna mohl provádět pouze lidský operátor. Třídění strojů bylo velmi obtížné dosáhnout a bylo nákladné. TensorFlow řeší tento problém kategorizováním okurek v reálném čase pomocí kamery.

Makoto pomocí více než 7 000 obrazů okurek vyškolil neuronovou síť, aby rozlišoval mezi různými typy. V provozu webové kamery snímají obrázky ze tří úhlů. Pi klasifikuje obrázky, než je předá na server Linux k další klasifikaci. Výsledkem je dopravní pás a servo systém, který třídí okurky do krabic.

Začátek něčeho inteligentního

Viděli jsme, jak se Raspberry Pi používá pro všechno 26 Úžasné použití pro Raspberry Pi 26 Úžasné použití pro Raspberry Pi S kterým projektem Raspberry Pi byste měli začít? Zde je náš přehled nejlepších použití a projektů Raspberry Pi! , není tedy divu, že na to TensorFlow dorazila. Pi se snaží udržet krok s požadavky strojového učení, ale je to skvělé pro osvojení základů Co je strojové učení? Kurz společnosti Google vám zdarma rozdělí Co je strojové učení? Bezplatný kurz společnosti Google vám to přeruší Google navrhl bezplatný online kurz, který vás naučí základům strojového učení. .