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 tittar på 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 av ett användarcuraterat datasæt gör TensorFlow neurala nätverk exakta förutsägelser när de ges nya data.

Kort sagt, TensorFlow neurala nätverk tror.

Kolla in vår lista över Exempel på tensorflöde Vad är Google TensorFlow? Exempel och övningar med öppen källkodTensorFlow, 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 Kom igång med bildigenkänning med TensorFlow och Raspberry PiVill du ta tag i bildigenkänning? Tack vare Tensorflow och en Raspberry Pi kan du komma igång direkt. Läs mer täcker 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?

Vi har täckt hur man gör en smart webbkamera DIY Pan and Tilt Network Security Cam med Raspberry PiLär dig hur du gör fjärrbeläggbar panorering och lutande säkerhetskamera med en Raspberry Pi. Detta projekt kan slutföras på morgonen med bara de enklaste delarna. Läs mer innan, men denna talande mobilbildklassificerare tar det 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 med ett projekt (förutsatt att du är bekväm med grunderna i Python-programmeringsspråket 5 kurser som tar dig från Python nybörjare till ProDessa fem kurser lär dig allt om programmering i Python, ett av de hetaste språken där ute just nu. Läs mer ). Artikeln går in i detaljer om processen för bildigenkänning. Det är en utmärkt resurs i allmänhet för alla som är intresserade av området.

Ett utmärkt element i den här installationen 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, en fristående offline-objektigenkännare som du kan göra hemma. Den kommer till och med att berätta vad den ser på. Är inte framtiden fantastisk?

Hemlagade smarta (eller ”magiska”) speglar är om det coolaste du kan bygga Hur man förvandlar en gammal bärbar datorskärm till ett magiskt spegelSmarta speglar 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 . Det krävs bara en Pi och en gammal bärbar datorskärm tillsammans med grundläggande leveranser av DIY, det är ett fantastiskt nybörjareprojekt. Alasdair Allan beslutade att inte nöja sig med den genomsnittliga smarta spegeln och byggde TensorFlow magisk spegel med röstigenkänning.

Otillfredsställd med kostnaden för webbaserat taligenkänning beslutade Alasdair TensorFlow som ett offlinealternativ. Integrera TensorFlows förutbestämda röstigenkänningsmodell i den redan använda AIY-kit kod lägger till anpassade väckningsord till projektet.

Google samlade ett datasats med över 65 000 massa-ordade ord. Detta open-source datasätt tränade neuralnätet 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.

Med tanke på Googles historia med självkörande bilar Så fungerar självkörande bilar: muttrarna och bultarna bakom Googles autonoma bilprogramAtt kunna pendla fram och tillbaka till jobbet medan du sover, äter eller fångar din favorit bloggar är ett koncept som är lika tilltalande och till synes avlägsna och för futuristiskt för faktiskt hända. Läs mer , det är ingen överraskning att TensorFlow är väl lämpad för autonom körning.

De DeepPiCar är ett utmärkt exempel på denna typ av neurala nätverk 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.

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 neuralt nätverk för att skilja mellan olika typer. Under drift tar 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 Hallon Pi används för allt 26 Fantastiska användningar för en hallonpiVilket 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 på maskininlärning, men det är det bra för att lära sig grunderna Vad är maskininlärning? Googles gratis kurs bryter ner det för digGoogle har utformat en gratis online-kurs för att lära dig grunderna i maskininlärning. Läs mer .