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

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

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

Hva er TensorFlow?

Før du drar i eksempler på hvordan TensorFlow brukes, er det verdt å vite hva det egentlig er.

Kort sagt, TensorFlow er Googles trenbare neurale nettverk, som kan utføre mange forskjellige oppgaver. Ved å lære aktivt fra et bruker-kurert datasett, gir TensorFlow nevrale nettverk nøyaktige spådommer når nye data blir gitt.

Kort sagt, TensorFlow nevrale nettverk synes at.

Sjekk vår liste over Tensorflow-eksempler Hva er Google TensorFlow? Eksempler på åpen kildekode og opplæringsprogrammer Hva er Google TensorFlow? Open-Source Eksempler og Tutorials TensorFlow, maskinlæring og neurale nettverk. Her er en rask oversikt over hva det er, hvorfor det er nyttig, og hvordan du lærer det. Les mer for mer informasjon.

Slik installerer du TensorFlow

Mens forståelse av emnet maskininnlæring tar alvorlig studium, er grunnleggende TensorFlow-bruk lett å følge. Vår bildegjenkjenning med TensorFlow-veiledning Kom i gang med bildegjenkjenning ved hjelp av TensorFlow og Raspberry Pi Kom i gang med bildegjenkjenning ved hjelp av TensorFlow og Raspberry Pi Ønsker du å få tak i bildegjenkjenning? Takket være Tensorflow og en Raspberry Pi, kan du komme i gang med en gang. Les mer dekker å installere biblioteket på Pi. Det dekker også testing av det, og kjører det grunnleggende Inception image klassifiseringsprogrammet.

I dette tilfellet gir TensorFlow et allerede opplært nevralt nettverk. Alt brukeren må gjøre er å skrive 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 en overraskende mengde riktig!

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

Bærbar bildegjenkjenning

Vi har dekket hvordan du lager et smart webkamera DIY Pan og Tilt Network Security Cam med Raspberry Pi DIY Pan og Tilt Network Security Cam med Raspberry Pi Lær hvordan du gjør fjernsyns pan og tilt sikkerhet kamera med en Raspberry Pi. Dette prosjektet kan fullføres om morgenen med bare de enkleste delene. Les mer før, men denne snakkende mobile bilde klassifiseringen tar det til et nytt nivå.

Denne detaljerte innlegget beskriver maskinvareoppsettet og tilpasset programvare integrert med Inception image classifier. Eksempelkoden viser hvor lett det er å integrere TensorFlow med et prosjekt (forutsatt at du er komfortabel med grunnleggende i Python Programming Language 5 kurs som tar deg fra Python Beginner til Pro 5 kurs som tar deg fra Python Beginner til Pro Disse fem kursene vil lære deg alt om programmering i Python, et av de heteste språkene der ute akkurat nå. Les mer). Artikkelen går i stor 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 i utgangspunktet klart:

“En ekstra bonus mange påpekt er at, når installert, er det ikke nødvendig med internettilgang.”

Tidligere bildegjenkjenning har alltid vært avhengig av en stor prosesseringstid, eller en internettforbindelse. En Pi kan ikke alltid overføre informasjon til skyen, og har begrenset prosessorkraft. Dette er løsningen, et selvstendig indeksgjenkjenningsverktøy du kan lage hjemme. Det vil til og med fortelle deg hva det ser på. Er ikke fremtiden fantastisk?

TensorFlow Magic Mirror

Hjemmelaget smart (eller “magi”) speil handler om den kuleste tingen du kan bygge Hvordan skifte en gammel bærbar PC-skjerm til en magisk speil Slik bytter du en gammel bærbar skjerm til en magisk speil Smarte speil er unike enheter som du kan bruke til å injisere noe magi inn i hjemmet ditt. Vi viser deg hvordan du bygger en med Raspberry Pi. Les mer . Krever bare en Pi og en gammel laptop skjerm sammen med grunnleggende DIY forsyninger, det er et flott nybegynnerprosjekt. Alasdair Allan bestemte seg for ikke å avgjøre det gjennomsnittlige smarte speilet og bygget TensorFlow magisk speil med talegjenkjenning.

Utilfreds med kostnadene ved nettbasert talegjenkjenning, bestemte Alasdair på TensorFlow som et offline alternativ. Integrering av TensorFlows pretrained talegjenkjennelsesmodell i den allerede benyttede AIY-koden, legger til tilpassede våkneord til prosjektet.

Google samlet et datasett med over 65 000 crowdsourced ord. Denne open-source datasett trente det neurale nettet for å forstå noen ord.

I dette tilfellet la det flere mulige våkneord, men går fortsatt inn i et kjent maskinlæringsproblem: det tar mye data å trene et neuralt 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 av TensorFlow på Pi i sin nåværende tilstand. Det er fullt funksjonelt, men skyver Pi's beregningsmessige evner. Som med all ny teknologi, er denne tidlige implementeringen et glimt inn i fremtiden for smart home-enheter.

TensorFlow Autonome RC Bil

Gitt Googles historie med selvkjørende biler Hvordan selvkjørende biler fungerer: Nøtene og boltene bak Googles autonome bilprogram Hvordan selvkjørende biler fungerer: Nøtene og boltene bak Googles autonome bilprogram Å kunne pendle frem og tilbake for å jobbe mens å sove, spise, eller fange opp dine favorittblogger er et konsept som er like tiltalende og tilsynelatende langt unna og for futuristisk til å faktisk skje. Les mer, det er ingen overraskelse at TensorFlow er godt egnet til autonom kjøring.

DeepPiCar er et utmerket eksempel på denne typen neurale nettverk i aksjon. Ved siden av standard fjernkontroll har denne Raspberry Pi-roboten noe helt 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. Den nødvendige maskinvaren finnes i nesten alle billige robotteksler. Programvareimplementeringen tar litt mer inngående kunnskap. Du bør ha en god forståelse av maskinlæring før du tar den på.

Gurka automatisk sortering

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

Sortering av ferske råvarer til forskjellige markeder er en enorm kostnad for mindre leverandører. Sortering av agurker etter størrelse og kvalitet er en oppgave som frem til nylig bare kunne utføres av en menneskelig operatør. Maskinsortering var svært vanskelig å oppnå, og kostbart. TensorFlow løser dette problemet ved å kategorisere agurker i sanntid via kamera.

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

Starten av noe smart

Vi har sett Raspberry Pi er brukt til alt 20 Awesome bruksområder for en Raspberry Pi 20 Awesome bruksområder for en Raspberry Pi Med så mange kule prosjekter for Raspberry Pi, kan det være vanskelig å bestemme hva som skal gjøres. I denne mega-guiden ringer vi opp 20 av de aller beste prosjektene rundt! Les mer, så det er ikke overraskende at TensorFlow er kommet på den. Pi sliter med å følge kravene til maskinlæring, men det er flott å lære det grunnleggende. Hva er maskinlæring? Googles gratis kurs bryter det ned for deg Hva er maskinlæring? Googles gratis kurs bryter det ned for deg Google har designet et gratis online kurs for å lære deg grunnleggende for maskinlæring. Les mer .

Utforsk mer om: Google TensorFlow, Raspberry Pi.