Hur man bygger DIY AI-projekt med Google TensorFlow och Raspberry Pi
Annons
Maskininlärning är ämnet på allas läppar. Det är lätt att se varför. Det är framtiden för datamanipulation och används redan i nästan alla moderna affärsinställningar. Men kan det kombineras med en Raspberry Pi? Är Pi upp till uppgiften att upprätthålla ett fungerande neuralt nätverk? Med Google TensorFlow kan det!
Så här installerar du TensorFlow på en Raspberry Pi, med några exempel på användning.
Vad är TensorFlow?
Innan du dyker ned i exempel på hur TensorFlow används är det värt att veta vad det faktiskt är.
Kort sagt, TensorFlow är Googles utbildningsbara nervnätverk, som kan utföra många olika uppgifter. Genom att aktivt lära sig från ett användarkurerat datasätt gör TensorFlow neurala nätverk exakta förutsägelser när de får ny data.
Kort sagt, TensorFlow neurala nätverk tror .
Kolla vår lista med exempel på Tensorflow Vad är Google TensorFlow? Exempel på öppen källkod och handledning Vad är Google TensorFlow? Exempel på öppen källkod och handledning TensorFlow, maskininlärning och neurala nätverk. Här är en snabb översikt över vad det är, varför det är användbart och hur man lär sig det. Läs mer för mer information.
Hur man installerar TensorFlow
Även om det är allvarligt att förstå ämnet maskininlärning är grundläggande användning av TensorFlow lätt att följa. Vår bildigenkänning med TensorFlow-handledning Komma igång med bildigenkänning med TensorFlow och Raspberry Pi Komma igång med bildigenkänning med TensorFlow och Raspberry Pi Vill du ta grepp om bildigenkänning? Tack vare Tensorflow och en Raspberry Pi kan du komma igång direkt. Läs mer omfattar installation av biblioteket på din Pi. Det täcker också testning och körning av det grundläggande klassificeringsprogrammet för Inception.
I detta fall tillhandahåller TensorFlow ett redan utbildat neuralt nätverk. Allt användaren måste göra är att mata in rätt datatyp och TensorFlow kommer att gissa vad bilden innehåller. Till och med den grundläggande implementeringen av TensorFlow kan klassificera bilder i 1000 klasser. Det blir ett förvånande belopp korrekt!
Men vad kan du annars göra med TensorFlow på Raspberry Pi?
Bärbar bildigenkänning
Vi har behandlat hur man skapar en smart webbkamera DIY Pan and Tilt Network Security Cam med Raspberry Pi DIY Pan och Tilt Network Security Cam med Raspberry Pi Lär dig hur man gör fjärrbeläggningsbar panorering och lutar säkerhetskamera med en Raspberry Pi. Detta projekt kan slutföras på morgonen med bara de enklaste delarna. Läs mer tidigare, men den här talande mobila bildklassificeringen tar den till en ny nivå.
Detta detaljerade inlägg beskriver hårdvarukonfigurationen och anpassad programvara integrerad med Inception-bildklassificeringen. Exempelkoden visar hur enkelt det är att integrera TensorFlow i ett projekt (förutsatt att du är bekväm med grunderna i Python-programmeringsspråket 5 Kurser som tar dig från Python Beginner till Pro 5-kurser som tar dig från Python Beginner till Pro Dessa fem kurser lär dig allt om programmering i Python, ett av de hetaste språken där ute just nu. Läs mer). Artikeln går in i stor detalj om processen för bildigenkänning. Det är en utmärkt resurs i allmänhet för alla som är intresserade av området.
Ett utmärkt element i denna installation är kanske inte klart från början:
"En extra bonus som många påpekade är att ingen installation av internet krävs när den har installerats."
Tidigare bildigenkänning har alltid förlitat sig på en enorm mängd behandlingstid eller en internetanslutning. En Pi kan inte alltid skicka information till molnet och har begränsad processorkraft. Detta är lösningen, ett fristående offline-objektigenkännande som du kan göra hemma. Det kommer till och med att berätta vad det ser på. Är inte framtiden fantastisk?
TensorFlow Magic Mirror
Hemlagade smarta (eller "magiska") speglar handlar om det coolaste du kan bygga. Hur man förvandlar en gammal bärbar datorskärm till en magisk spegel Hur man förvandlar en gammal bärbar datorskärm till en magisk spegel Smartspeglar är unika enheter som du kan använda för att injicera lite magi i ditt hem. Vi visar hur du bygger en med en Raspberry Pi. Läs mer . Kräver bara en Pi och en gammal bärbar datorskärm tillsammans med grundläggande DIY-tillbehör, är det ett fantastiskt nybörjarprojekt. Alasdair Allan beslutade att inte nöja sig med den genomsnittliga smarta spegeln och byggde TensorFlow magiska spegel med röstigenkänning.
Otillfredsställd med kostnaden för webbaserat taligenkänning beslutade Alasdair TensorFlow som ett offlinealternativ. Integrering av TensorFlows förutbestämda röstigenkänningsmodell i den redan använda AIY-kodkoden ger anpassade väckningsord till projektet.
Google samlade ett datasats med över 65 000 folkmassoriserade ord. Detta open source-datasätt tränade nervnätet för att förstå några ord.
I det här fallet lägger den till flera möjliga väckningsord men stöter fortfarande på ett känt problem med maskininlärning: det krävs mycket data för att träna ett neuralt nätverk.
Om du inte är villig att skapa ett unikt dataset med tiotusentals poster, är du begränsad till vad som är fritt tillgängligt. Detta projekt visar TensorFlows begränsningar på Pi i dess nuvarande tillstånd. Det är fullt funktionellt men driver Pi: s beräkningsfunktioner. Som med alla nya tekniker är denna tidiga implementering ett glimt av smarta hemanordningar.
TensorFlow autonom RC-bil
Med tanke på Googles historia med självkörande bilar Hur självkörande bilar fungerar: muttrarna och bultarna bakom Googles autonoma bilprogram Hur självkörande bilar fungerar: muttrarna och bultarna bakom Googles autonoma bilprogram Att kunna pendla fram och tillbaka för att arbeta medan sova, äta eller komma ikapp med dina favoritbloggar är ett koncept som är lika tilltalande och till synes långt borta och för futuristiskt för att faktiskt hända. Läs mer, det är ingen överraskning att TensorFlow är väl lämpad för autonom körning.
DeepPiCar är ett utmärkt exempel på denna typ av nervnätverk i aktion. Vid sidan av standardfjärrkontrollen har denna Raspberry Pi-robot något helt smartare. Tränat i ett dataset som tillhandahålls på GitHub-projektsidan, lär sig nätverket att stanna på ett förutbestämt spår.
Detta projekt är inte för nybörjare. Den hårdvara som krävs finns i nästan alla billiga robotar. Programvaruimplementeringen tar lite mer djupgående kunskap. Du bör ha ett bra grepp om maskininlärning innan du tar på det.
Gurka Auto-Sorter
En av de mest kända distributionerna av TensorFlow på Pi, Makoto Koikes gurksorterare är ett tecken på saker som kommer.
Sorteringen av färska produkter för olika marknader är en enorm kostnad för mindre leverantörer. Sortering av gurkor efter storlek och kvalitet är en uppgift som fram till nyligen bara kunde utföras av en mänsklig operatör. Maskinsortering var mycket svår att uppnå och kostsamt. TensorFlow löser detta problem genom att kategorisera gurkor i realtid via kamera.
Med hjälp av över 7000 bilder av gurkor utbildade Makoto ett nervnätverk för att skilja mellan olika typer. Under drift fångar webbkameror bilder från tre vinklar. Pi klassificerar bilderna innan de vidarebefordras till en Linux-server för ytterligare klassificering. Resultatet utlöser ett transportband och ett servosystem som sorterar gurkorna i lådor.
Början på något smart
Vi har sett Raspberry Pi användas för allt 26 Fantastiska användningar för en Raspberry Pi 26 Fantastiska användningar för en Raspberry Pi Vilket Raspberry Pi-projekt ska du börja med? Här är vår sammanfattning av de bästa Raspberry Pi-användningarna och projekten runt! Läs mer, så det är inte förvånande att TensorFlow har kommit på det. Pi kämpar för att hålla jämna steg med kraven från maskininlärning, men det är bra för att lära sig grunderna Vad är maskininlärning? Googles gratis kurs bryter ner det för dig Vad är maskininlärning? Googles gratis kurs bryter ner det för dig Google har utformat en gratis online-kurs för att lära dig grunderna i maskininlärning. Läs mer .
Utforska mer om: Google TensorFlow, Raspberry Pi.
