reklama

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, je třeba 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 vytvářejí přesné předpovědi, když dostanou nová data.

Stručně řečeno, neuronové sítě TensorFlow myslet si.

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

instagram viewer

Jak nainstalovat TensorFlow

I když pochopení předmětu strojového učení vyžaduje seriózní studium, základní použití TensorFlow je snadné sledovat. Náš Rozpoznávání obrázků s tutoriálem TensorFlow Začínáme s rozpoznáváním obrazu pomocí TensorFlow a Raspberry PiChcete se vyrovnat s rozpoznáváním obrazu? Díky Tensorflow a Raspberry Pi můžete začít hned. Přečtěte si více 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. Správně dostane překvapivé množství!

Ale co jiného můžete udělat s TensorFlow na Raspberry Pi?

Pokryli jsme se jak vytvořit inteligentní webovou kameru DIY Pan a Tilt Network Security Cam s Raspberry PiNaučte se, jak pomocí dálkově viditelné bezpečnostní kamery s možností naklápění a naklápění pomocí Raspberry Pi. Tento projekt lze dokončit ráno jen s nejjednoduššími částmi. Přečtěte si více předtím, ale tento mluvící mobilní klasifikátor obrázků posouvá to 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 vám vyhovuje základy programovacího jazyka Python 5 kurzů, které vás zavedou od Python Beginner k ProTěchto pět kurzů vás naučí vše o programování v Pythonu, jednom z nejžhavějších jazyků právě teď. Přečtěte si více ). 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:

„Mnoho dalších poukázalo na to, 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 předat 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?

Domácí inteligentní (nebo „magická“) zrcadla jsou o nejúžasnější věci, kterou můžete stavět Jak proměnit starou obrazovku notebooku na magické zrcadloInteligentní zrcadla jsou jedinečná zařízení, která můžete použít k tomu, abyste do svého domu vložili magii. Ukážeme vám, jak postavit jeden s Raspberry Pi. Přečtěte si více . 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 ho TensorFlow magické zrcadlo 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 použitého AIY kit kód přidá do projektu vlastní probuzená 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.

Vzhledem k tomu, Google historie s autem s vlastním pohonem Jak fungují auta s vlastním pohonem: Matice a šrouby za autonomním programem Google pro automobilyBýt schopen dojíždět sem a tam do práce při spánku, jídle nebo dohání svého oblíbeného blogy jsou konceptem, který je stejně přitažlivý a zdánlivě vzdálený a příliš futuristický, než aby byl ve skutečnosti přihodit se. Přečtěte si více , není divu, 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 určené trati.

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

Jedno z nejznámějších nasazení TensorFlow na Pi, Třídič okurek Makoto Koike je známka 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 Raspberry Pi se používá na všechno 26 Úžasné použití pro Raspberry PiS kterým projektem Raspberry Pi byste měli začít? Zde je náš přehled nejlepších použití a projektů Raspberry Pi! Přečtěte si více , 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 rozdělíGoogle vytvořil bezplatný online kurz, který vás naučí základům strojového učení. Přečtěte si více .

Ian Buckley je nezávislý novinář, hudebník, performer a video producent žijící v Berlíně v Německu. Když nepíše nebo na jevišti, pohrává si s elektronikou pro kutily nebo kódem v naději, že se stane šíleným vědcem.