Reklama
Uczenie maszynowe to temat na ustach wszystkich. Łatwo zrozumieć, dlaczego. To przyszłość manipulacji danymi i jest już stosowana w prawie każdym nowoczesnym otoczeniu biznesowym. Ale czy można go połączyć z Raspberry Pi? Czy Pi ma za zadanie utrzymanie działającej sieci neuronowej? Dzięki Google TensorFlow może!
Oto jak zainstalować TensorFlow na Raspberry Pi, z kilkoma przykładami użycia.
Co to jest TensorFlow?
Zanim przejdziesz do przykładów użycia TensorFlow, warto wiedzieć, co to właściwie jest.
Krótko mówiąc, TensorFlow to trenowalna sieć neuronowa Google, która może wykonywać wiele różnych zadań. Aktywnie ucząc się z zestawu danych przygotowanego przez użytkownika, sieci neuronowe TensorFlow dokonują dokładnych prognoz po otrzymaniu nowych danych.
W skrócie, sieci neuronowe TensorFlow myśleć.
Sprawdź naszą listę Przykłady Tensorflow Co to jest Google TensorFlow? Przykłady i samouczki Open-SourceTensorFlow, uczenie maszynowe i sieci neuronowe. Oto krótki przegląd tego, co to jest, dlaczego jest użyteczny i jak się go nauczyć. Czytaj więcej po więcej informacji.
Jak zainstalować TensorFlow
Podczas gdy zrozumienie tematu uczenia maszynowego wymaga poważnych badań, podstawowe użycie TensorFlow jest łatwe do naśladowania. Nasz Rozpoznawanie obrazu za pomocą samouczka TensorFlow Rozpocznij z rozpoznawaniem obrazu za pomocą TensorFlow i Raspberry PiChcesz poradzić sobie z rozpoznawaniem obrazu? Dzięki Tensorflow i Raspberry Pi możesz od razu zacząć. Czytaj więcej obejmuje instalację biblioteki na twoim Pi. Obejmuje także testowanie i uruchamianie podstawowego programu klasyfikacji obrazów Inception.
W tym przypadku TensorFlow zapewnia już przeszkoloną sieć neuronową. Użytkownik musi jedynie wprowadzić poprawny typ danych, a TensorFlow zgadnie, co zawiera obraz. Nawet podstawowa implementacja TensorFlow jest w stanie klasyfikować obrazy do 1000 klas. To robi zaskakującą ilość, prawda!
Ale co jeszcze możesz zrobić z TensorFlow na Raspberry Pi?
Omówiliśmy jak zrobić inteligentną kamerę internetową Sieciowa kamera bezpieczeństwa z funkcją Pan i Tilt z Raspberry PiDowiedz się, jak zrobić zdalnie widoczną kamerę bezpieczeństwa z funkcją obrotu i pochylenia za pomocą Raspberry Pi. Ten projekt można ukończyć rano tylko z najprostszych części. Czytaj więcej wcześniej, ale ten mówiący mobilny klasyfikator obrazów przenosi to na nowy poziom.
Ten szczegółowy post opisuje konfigurację sprzętu i niestandardowe oprogramowanie zintegrowane z klasyfikatorem obrazów Inception. Przykładowy kod pokazuje, jak łatwo jest zintegrować TensorFlow z projektem (pod warunkiem, że czujesz się komfortowo z podstawy języka programowania Python 5 kursów, które zabiorą Cię od Python Beginner do ProTe pięć kursów nauczy Cię wszystkiego o programowaniu w Pythonie, jednym z najgorętszych obecnie języków. Czytaj więcej ). Artykuł szczegółowo opisuje proces rozpoznawania obrazu. Jest to ogólnie doskonały zasób dla wszystkich zainteresowanych w tej dziedzinie.
Jeden doskonały element tego ustawienia może początkowo nie być jasny:
„Dodatkową zaletą, o której wiele osób wspomniało, jest to, że po zainstalowaniu nie jest wymagany dostęp do Internetu.”
Poprzednie rozpoznawanie obrazu zawsze polegało na ogromnym czasie przetwarzania lub połączeniu z Internetem. Pi nie zawsze może przekazywać informacje do chmury i ma ograniczoną moc przetwarzania. To jest rozwiązanie - samodzielny moduł rozpoznawania obiektów offline, który można wykonać w domu. Powie ci nawet, na co patrzy. Czyż przyszłość nie jest cudowna?
Domowe inteligentne (lub „magiczne”) lustra są o najfajniejszych rzeczach, jakie możesz zbudować Jak zamienić stary ekran laptopa w magiczne lustroInteligentne lustra to unikalne urządzenia, za pomocą których można wprowadzić odrobinę magii do domu. Pokażemy Ci, jak zbudować jedną z Raspberry Pi. Czytaj więcej . Wymagający tylko pi i starego ekranu laptopa wraz z podstawowymi materiałami do majsterkowania to świetny projekt dla początkujących. Alasdair Allan postanowił nie zadowolić się przeciętnym inteligentnym lustrem i zbudował Magiczne lustro TensorFlow z rozpoznawaniem głosu.
Niezadowolony z kosztów internetowego rozpoznawania mowy, Alasdair zdecydował się na TensorFlow jako alternatywę offline. Integracja wstępnie wyszkolonego modelu rozpoznawania głosu TensorFlow z już używanym Zestaw AIY kod dodaje niestandardowe słowa aktywujące do projektu.
Google zgromadziło zbiór danych zawierający ponad 65 000 słów z crowdsourcingu. Ten zestaw danych typu open source wyszkolił sieć neuronową w zrozumieniu niektórych słów.
W tym przypadku dodano kilka możliwych słów aktywujących, ale nadal napotyka znajomy problem uczenia maszynowego: szkolenie sieci neuronowej wymaga dużej ilości danych.
O ile nie chcesz utworzyć unikalnego zestawu danych z dziesiątkami tysięcy wpisów, jesteś ograniczony do tego, co jest ogólnodostępne. Ten projekt pokazuje ograniczenia TensorFlow na Pi w jego obecnym stanie. Jest w pełni funkcjonalny, ale zwiększa możliwości obliczeniowe Pi. Podobnie jak w przypadku wszystkich nowych technologii, ta wczesna implementacja stanowi rzut oka na przyszłość inteligentnych urządzeń domowych.
Biorąc pod uwagę Google historia z samochodami samojezdnymi Jak działają samochody samojezdne: nakrętki i śruby związane z programem samochodów autonomicznych GoogleMożliwość dojeżdżania tam iz powrotem do pracy podczas snu, jedzenia lub nadrabiania zaległości blogi to koncepcja, która jest równie atrakcyjna, pozornie daleka i zbyt futurystyczna, by ją w rzeczywistości realizować zdarzyć. Czytaj więcej , nie jest zaskoczeniem, że TensorFlow doskonale nadaje się do autonomicznej jazdy.
The DeepPiCar jest doskonałym przykładem tego rodzaju sieci neuronowej w akcji. Oprócz standardowego zdalnego sterowania ten robot Raspberry Pi ma coś znacznie mądrzejszego. Przeszkolona w zbiorze danych na stronie projektu GitHub, sieć uczy się pozostać na z góry ustalonym torze.
Ten projekt nie jest dla początkujących. Wymagany sprzęt można znaleźć w prawie każdym tanim zestawie robota. Wdrożenie oprogramowania wymaga głębszej wiedzy. Zanim zaczniesz, powinieneś dobrze opanować uczenie maszynowe.
Jedno z najbardziej znanych wdrożeń TensorFlow na Pi, Sortownik ogórków Makoto Koike jest znakiem rzeczy przyszłych.
Sortowanie świeżych produktów na różne rynki jest ogromnym kosztem dla mniejszych dostawców. Sortowanie ogórków według wielkości i jakości to zadanie, które do niedawna mogło być wykonywane wyłącznie przez człowieka. Sortowanie maszynowe było bardzo trudne i kosztowne. TensorFlow rozwiązuje ten problem, dzieląc ogórki na kategorie za pomocą kamery.
Używając ponad 7000 zdjęć ogórków, Makoto przeszkolił sieć neuronową, aby rozróżniać różne typy. Podczas pracy kamery rejestrują obrazy pod trzema kątami. Pi klasyfikuje obrazy przed przesłaniem ich na serwer Linux w celu dalszej klasyfikacji. Rezultatem jest uruchomienie przenośnika taśmowego i układu serwo, który dzieli ogórki na pudełka.
Początek czegoś inteligentnego
Widzieliśmy Raspberry Pi jest używany do wszystkiego 26 Niesamowitych zastosowań dla Raspberry PiKtóry projekt Raspberry Pi powinieneś zacząć? Oto nasz przegląd najlepszych zastosowań i projektów Raspberry Pi! Czytaj więcej , więc nic dziwnego, że TensorFlow do niego dołączył. Pi stara się nadążyć za wymaganiami uczenia maszynowego, ale tak jest idealne do nauki podstaw Co to jest uczenie maszynowe? Darmowy kurs Google go rozkładaGoogle opracowało bezpłatny kurs online, który nauczy Cię podstaw uczenia maszynowego. Czytaj więcej .
Ian Buckley jest niezależnym dziennikarzem, muzykiem, performerem i producentem wideo mieszkającym w Berlinie w Niemczech. Kiedy nie pisze ani nie występuje na scenie, majstruje przy elektronice lub kodzie DIY, mając nadzieję, że zostanie szalonym naukowcem.
