Hvordan bygge DIY AI-prosjekter ved hjelp av Google TensorFlow og Raspberry Pi

Annonse

Maskinlæring er temaet på alles lepper. Det er lett å se hvorfor. Det er fremtiden for datamanipulering og brukes allerede i nesten alle moderne forretningsinnstillinger. Men kan det kombineres med en Raspberry Pi? Er Pi opp til å opprettholde et fungerende nevralt nettverk? Med Google TensorFlow kan det!

Slik installerer du TensorFlow på en Raspberry Pi, med noen eksempler på bruk.

Hva er TensorFlow?

Før du dykker ned eksempler på hvordan TensorFlow brukes, er det verdt å vite hva det faktisk er.

Kort sagt, TensorFlow er Googles trenbare nevrale nettverk, som kan utføre mange forskjellige oppgaver. Ved å aktivt lære av et brukerkuratert datasett, gir TensorFlow nevrale nettverk nøyaktige spådommer når de får nye data.

Kort sagt TensorFlow nevrale nettverk synes at.

Sjekk vår liste over Eksempler på tensorflow Hva er Google TensorFlow? Eksempler og veiledninger i åpen kildekodeTensorFlow, maskinlæring og nevrale nettverk. Her er en rask oversikt over hva det er, hvorfor det er nyttig og hvordan du lærer det. Les mer for mer informasjon.

Hvordan installere TensorFlow

Selv om det å forstå emnet maskinlæring tar alvorlig studie, er grunnleggende bruk av TensorFlow lett å følge. Våre Bildegjenkjenning med TensorFlow-veiledning Kom i gang med bildegjenkjenning ved hjelp av TensorFlow og Raspberry PiVil du få tak i bildegjenkjenning? Takket være Tensorflow og en Raspberry Pi, kan du komme i gang med en gang. Les mer dekker installering av biblioteket på din Pi. Den dekker også testing av den, og kjører det grunnleggende Inception-bildeklassifiseringsprogrammet.

I dette tilfellet gir TensorFlow et allerede trent nevralt nettverk. Alt brukeren må gjøre er å legge inn riktig datatype, og TensorFlow vil gjette hva bildet inneholder. Selv den grunnleggende implementeringen av TensorFlow er i stand til å klassifisere bilder i 1000 klasser. Det blir overraskende riktig!

Men hva annet kan du gjøre med TensorFlow på Raspberry Pi?

Vi har dekket hvordan lage et smart webkamera DIY Pan and Tilt Network Security Cam med Raspberry PiLær hvordan du kan lage eksternt synlig panne og vippe sikkerhetskamera med en Raspberry Pi. Dette prosjektet kan fullføres om morgenen med bare de enkleste delene. Les mer før, men denne snakkende mobile bildeklassifisereren tar det til et nytt nivå.

Dette detaljerte innlegget beskriver maskinvareoppsettet og tilpasset programvare integrert med Inception-bildeklassifiseringen. Eksempelkoden viser hvor enkelt det er å integrere TensorFlow med et prosjekt (forutsatt at du er komfortabel med Grunnleggende om Python-programmeringsspråket 5 kurs som tar deg fra Python nybegynner til proffDisse fem kursene lærer deg alt om programmering i Python, et av de hotteste språkene der ute akkurat nå. Les mer ). Artikkelen går i detalj om prosessen med bildegjenkjenning. Det er en utmerket ressurs generelt for alle som er interessert i feltet.

Et utmerket element i dette oppsettet er kanskje ikke opprinnelig klart:

"En ekstra bonus som mange påpekte, er at det ikke er nødvendig med internettilgang når den er installert."

Tidligere bildegjenkjenning har alltid vært avhengig av en enorm mengde behandlingstid, eller en internettforbindelse. En Pi kan ikke alltid gi informasjon til skyen, og har begrenset prosessorkraft. Dette er løsningen, en selvforsynt offline objektgjenkjenning du kan lage hjemme. Den vil til og med fortelle deg hva den ser på. Er ikke fremtiden fantastisk?

Hjemmelagde smarte (eller “magiske”) speil er om det kuleste du kan bygge Hvordan slå en gammel bærbar skjerm til et magisk speilSmarte speil er unike enheter du kan bruke til å injisere noe magi i hjemmet ditt. Vi viser deg hvordan du bygger en med en Raspberry Pi. Les mer . Krever bare en Pi og en gammel bærbar skjerm sammen med grunnleggende DIY-rekvisita, er det et flott nybegynnerprosjekt. Alasdair Allan bestemte seg for ikke å nøye seg med det gjennomsnittlige smarte speilet og bygde TensorFlow magisk speil med stemmegjenkjenning.

Alasdair var ikke fornøyd med kostnadene ved nettbasert talegjenkjenning, og bestemte seg for TensorFlow som et offline alternativ. Integrering av TensorFlows pretrained stemmegjenkjenningsmodell i den allerede benyttede AIY-sett kode legger til tilpassede våkne ord til prosjektet.

Google samlet et datasett med over 65 000 folkemengdeord. Dette open-source datasettet trente nevrale nettet til å forstå noen ord.

I dette tilfellet la det til flere mulige våkne ord, men har fortsatt et kjent maskinlæringsproblem: det krever mye data for å trene et nevralt nettverk.

Med mindre du er villig til å lage et unikt datasett med titusenvis av oppføringer, er du begrenset til det som er fritt tilgjengelig. Dette prosjektet viser begrensningene til TensorFlow på Pi i sin nåværende tilstand. Det er fullt funksjonelt, men skyver Pi's beregningsevner. Som med alle nye teknologier, er denne tidlige implementeringen et glimt inn i fremtiden for smarte hjem enheter.

Gitt Google historie med selvkjørende biler Slik fungerer selvkjørende biler: nøttene og boltene bak Googles autonome bilprogramÅ kunne pendle frem og tilbake for å jobbe mens du sover, spiser eller henter favoritten din blogger er et konsept som er like tiltalende og tilsynelatende fjernt og for futuristisk til faktisk skje. Les mer , det er ingen overraskelse at TensorFlow er godt egnet til autonom kjøring.

De DeepPiCar er et utmerket eksempel på denne typen nevrale nettverk i aksjon. Ved siden av standard fjernkontroll har denne Raspberry Pi-roboten noe smartere. Trent på et datasett som er gitt på GitHub-prosjektsiden, lærer nettverket å holde seg på et forhåndsbestemt spor.

Dette prosjektet er ikke for nybegynnere. Maskinvaren som kreves finnes i nesten ethvert billig robotsett. Programvareimplementeringen tar litt mer dyptgående kunnskap. Du bør ha god forståelse av maskinlæring før du tar den på.

En av de mest kjente distribusjonene av TensorFlow på Pi, Makoto Koikes agurksorter er et tegn på ting som kommer.

Sortering av ferskvarer for forskjellige markeder er en enorm kostnad for mindre tilbydere. Sortering av agurker etter størrelse og kvalitet er en oppgave som inntil nylig bare kunne utføres av en menneskelig operatør. Maskinsortering var veldig vanskelig å oppnå og kostbar. TensorFlow løser dette problemet ved å kategorisere agurker i sanntid via kamera.

Ved å bruke over 7000 bilder av agurker, trente Makoto et nevralt nettverk for å skille mellom forskjellige typer. I drift tar webkameraer bilder fra tre vinkler. Pi klassifiserer bildene, før de videresender dem til en Linux-server for videre klassifisering. Resultatet utløser et transportbånd og et servosystem som sorterer agurkene i kasser.

Starten på noe smart

Vi har sett Raspberry Pi brukes til alt 26 Fantastiske bruksområder for en bringebærpiHvilket Raspberry Pi-prosjekt bør du starte med? Her er vår oppsummering av de beste Raspberry Pi bruker og prosjekter rundt! Les mer , så det er ikke overraskende at TensorFlow har kommet på det. Pi sliter med å følge med på kravene til maskinlæring, men det er det flott for å lære det grunnleggende Hva er maskinlæring? Googles gratis kurs bryter det ned for degGoogle har designet et gratis online kurs for å lære deg grunnleggende om maskinlæring. Les mer .