Reklama
Strojové učenie je témou všetkých pier. Je ľahké pochopiť prečo. Je to budúcnosť manipulácie s údajmi a používa sa takmer v každom modernom podnikovom prostredí. Ale dá sa kombinovať s Raspberry Pi? Je Pi úlohou udržiavať fungujúcu neurónovú sieť? S Google TensorFlow to môže!
Tu je návod, ako nainštalovať TensorFlow na Raspberry Pi, s niekoľkými príkladmi použitia.
Čo je TensorFlow?
Predtým, ako sa ponoríte do príkladov, ako sa TensorFlow používa, je potrebné vedieť, čo to vlastne je.
Stručne povedané, TensorFlow je trénovateľná neurónová sieť spoločnosti Google, ktorá môže vykonávať mnoho rôznych úloh. Vďaka aktívnemu učeniu sa z dátového súboru spravovaného používateľmi neurónové siete TensorFlow pri poskytovaní nových údajov robia presné predpovede.
Stručne povedané, neurónové siete TensorFlow myslieť si.
Skontrolujte náš zoznam Príklady Tensorflow Čo je Google TensorFlow? Príklady a príručky s otvoreným zdrojomTensorFlow, strojové učenie a neurónové siete. Tu je rýchly prehľad toho, čo to je, prečo je to užitočné a ako sa to naučiť. Čítaj viac Pre viac informácií.
Ako nainštalovať TensorFlow
Aj keď pochopenie predmetu strojového učenia trvá vážne štúdium, základné použitie TensorFlow je ľahké sledovať. náš Rozpoznávanie obrázkov pomocou tutoriálu TensorFlow Začíname s rozpoznávaním obrázkov pomocou TensorFlow a Raspberry PiChcete sa vyrovnať s rozpoznaním obrázka? Vďaka Tensorflow a Raspberry Pi môžete začať hneď. Čítaj viac pokrýva inštaláciu knižnice na váš Pi. Zahŕňa tiež testovanie a spustenie základného programu klasifikácie počiatočných obrázkov.
V tomto prípade TensorFlow poskytuje už vyškolenú neurónovú sieť. Všetko, čo musí užívateľ urobiť, je vložiť správny typ údajov a TensorFlow uhádne, čo obrázok obsahuje. Dokonca aj základná implementácia TensorFlow je schopná klasifikovať obrázky do 1000 tried. Správne dostane prekvapivé množstvo!
Ale čo ešte môžete urobiť s TensorFlow na Raspberry Pi?
Pokryli sme sa ako vytvoriť inteligentnú webovú kameru DIY Pan a Tilt Network Security Cam s Raspberry PiNaučte sa, ako urobiť vzdialenú viditeľnú bezpečnostnú kameru s otočným a nakloniteľným rámom pomocou Raspberry Pi. Tento projekt môže byť dokončený ráno len s najjednoduchšími časťami. Čítaj viac predtým, ale tento hovoriaci mobilný klasifikátor obrázkov posunie ju na novú úroveň.
Tento podrobný príspevok popisuje nastavenie hardvéru a vlastný softvér integrovaný s klasifikátorom obrazu Inception. Príklad kódu ukazuje, aké ľahké je integrovať TensorFlow s projektom (za predpokladu, že vám vyhovuje základy programovacieho jazyka Python 5 kurzov, ktoré vás prevedú od Python Beginner k ProTýchto päť kurzov vás naučí všetko o programovaní v Pythone, jednom z najhorúcejších jazykov práve teraz. Čítaj viac ). Článok sa podrobne venuje procesu rozpoznávania obrázkov. Je to vynikajúci zdroj všeobecne pre všetkých, ktorí sa zaujímajú o túto oblasť.
Jeden vynikajúci prvok tohto nastavenia nemusí byť na začiatku jasný:
„Mnohí pripomenuli, že po inštalácii nie je potrebný žiadny prístup na internet.“
Predchádzajúce rozpoznávanie obrázkov sa vždy spoliehalo na obrovské množstvo času na spracovanie alebo pripojenie na internet. Pi nemôže vždy preniesť informácie do cloudu a má obmedzenú kapacitu spracovania. Toto je riešenie, samostatný rozpoznávač objektov offline, ktorý môžete vytvoriť doma. Dokonca vám povie, na čo sa pozerá. Nie je budúcnosť úžasná?
Domáce inteligentné (alebo „magické“) zrkadlá sú o najlepšej veci, ktorú môžete stavať Ako zmeniť starú obrazovku prenosného počítača na magické zrkadloInteligentné zrkadlá sú jedinečné zariadenia, pomocou ktorých môžete do svojho domu vniesť nejakú mágiu. Ukážeme vám, ako postaviť jeden s Raspberry Pi. Čítaj viac . Vyžaduje sa iba obrazovka Pi a stará obrazovka prenosného počítača spolu so základnými potrebami pre domácich majstrov, je to skvelý začiatočný projekt. Alasdair Allan sa rozhodol neuspokojiť sa s priemerným inteligentným zrkadlom a postavil ho Magické zrkadlo TensorFlow s rozpoznaním hlasu.
Keďže Alasdair nebol spokojný s nákladmi na webové rozpoznávanie reči, rozhodol sa pre TensorFlow ako alternatívu offline. Integrácia vopred pripraveného modelu rozpoznávania hlasu TensorFlow do už použitého Súprava AIY kód pridá do projektu vlastné slová prebudenia.
Google zostavil súbor údajov s viac ako 65 000 slovami získanými z viacerých zdrojov. Tento súbor údajov s otvoreným zdrojom vyškolil neurónovú sieť na porozumenie niektorým slovám.
V tomto prípade pridal niekoľko možných slov prebudenia, ale stále naráža na známy problém strojového učenia: školenie neurónovej siete vyžaduje veľa údajov.
Ak nie ste ochotní vytvoriť jedinečný súbor údajov s desiatkami tisíc záznamov, ste obmedzení na to, čo je voľne k dispozícii. Tento projekt ukazuje obmedzenia TensorFlow na Pi v jeho súčasnom stave. Je plne funkčný, ale posúva výpočtové schopnosti pi. Tak ako všetky nové technológie, aj táto skorá implementácia predstavuje pohľad do budúcnosti inteligentných domácich zariadení.
Vzhľadom k tomu, Google história so samostatnými vozidlami Ako fungujú vozidlá s vlastným riadením: Matice a matice za autonómnym programom spoločnosti GoogleByť schopný dochádzať tam a späť do práce pri spánku, jedení alebo doháňaní svojich obľúbených blogy sú konceptom, ktorý je rovnako príťažlivý a zdanlivo vzdialený a príliš futuristický na to, aby bol skutočne diať. Čítaj viac , nie je žiadnym prekvapením, že TensorFlow je vhodný na autonómnu jazdu.
DeepPiCar je vynikajúcim príkladom tohto druhu neurónovej siete v akcii. Popri štandardnom diaľkovom ovládaní je tento robot Raspberry Pi vybavený niečo celkom múdrejším. Sieť, ktorá je trénovaná na súbore údajov poskytnutom na stránke projektu GitHub, sa učí zostať na vopred určenej trase.
Tento projekt nie je určený pre začiatočníkov. Požadovaný hardvér nájdete takmer v každej lacnej robotickej súprave. Implementácia softvéru vyžaduje viac podrobných znalostí. Predtým, ako ho začnete, mali by ste dobre porozumieť strojovému učeniu.
Jedno z najznámejších nasadení TensorFlow na Pi, Triedič uhoriek Makoto Koike je znakom budúcich vecí.
Triedenie čerstvých výrobkov pre rôzne trhy predstavuje pre malých poskytovateľov obrovské náklady. Triedenie uhoriek podľa veľkosti a kvality je úloha, ktorú donedávna mohol vykonávať iba ľudský operátor. Triedenie strojov bolo veľmi ťažké dosiahnuť a bolo nákladné. TensorFlow rieši tento problém kategorizáciou uhoriek v reálnom čase pomocou kamery.
Makoto pomocou vyše 7 000 obrazov uhoriek vyškolil neurónovú sieť na rozlíšenie medzi rôznymi typmi. Webové kamery v prevádzke zachytávajú obrázky z troch uhlov. Pi klasifikuje obrázky a potom ich odošle na server Linux na ďalšiu klasifikáciu. Výsledkom je dopravný pás a servopohon, ktorý triedi uhorky do škatúľ.
Začiatok niečoho inteligentného
Videli sme Raspberry Pi sa používa na všetko 26 Úžasné použitia pre Raspberry PiS ktorým projektom Raspberry Pi by ste mali začať? Tu je náš prehľad najlepších použití a projektov Raspberry Pi! Čítaj viac , preto nie je prekvapujúce, že sa k nemu pripojila spoločnosť TensorFlow. Pi sa snaží udržať krok s požiadavkami strojového učenia, ale je to tak skvelé pre osvojenie základov Čo je to strojové učenie? Kurz spoločnosti Google vám ponúka bezplatný kurzSpoločnosť Google navrhla bezplatný online kurz, ktorý vás naučí základom strojového učenia. Čítaj viac .
Ian Buckley je nezávislý novinár, hudobník, performer a video producent žijúci v Berlíne v Nemecku. Keď nepíše alebo je na pódiu, pohráva sa s elektronikou alebo kódom pre domácich majstrov v nádeji, že sa stane šialeným vedcom.
