So erstellen Sie DIY AI-Projekte mit Google TensorFlow und Raspberry Pi
Werbung
Maschinelles Lernen ist das Thema in aller Munde. Es ist leicht zu verstehen, warum. Es ist die Zukunft der Datenmanipulation und wird bereits in nahezu jedem modernen Geschäftsumfeld eingesetzt. Aber kann es mit einem Himbeer-Pi kombiniert werden? Ist der Pi in der Lage, ein funktionierendes neuronales Netzwerk aufrechtzuerhalten? Mit Google TensorFlow ist das möglich!
Hier erfahren Sie, wie Sie TensorFlow mit einigen Anwendungsbeispielen auf einem Raspberry Pi installieren.
Was ist TensorFlow?
Bevor Sie sich mit Beispielen für die Verwendung von TensorFlow befassen, sollten Sie wissen, was TensorFlow tatsächlich ist.
Kurz gesagt, TensorFlow ist Googles trainierbares neuronales Netzwerk, das viele verschiedene Aufgaben ausführen kann. Durch aktives Lernen aus einem vom Benutzer kuratierten Datensatz treffen TensorFlow-Neuronale Netze genaue Vorhersagen, wenn neue Daten vorliegen.
Kurz gesagt, TensorFlow neuronale Netze denken .
Überprüfen Sie unsere Liste der Tensorflow-Beispiele. Was ist Google TensorFlow? Open-Source-Beispiele und Tutorials Was ist Google TensorFlow? Open-Source-Beispiele und Tutorials TensorFlow, maschinelles Lernen und neuronale Netze. Hier ist ein kurzer Überblick darüber, was es ist, warum es nützlich ist und wie man es lernt. Lesen Sie mehr für weitere Informationen.
So installieren Sie TensorFlow
Während das Verstehen des Themas maschinelles Lernen ein ernstes Studium erfordert, ist die grundlegende Verwendung von TensorFlow leicht zu verstehen. Unser Tutorial zur Bilderkennung mit TensorFlow Erste Schritte mit der Bilderkennung mit TensorFlow und Raspberry Pi Erste Schritte mit der Bilderkennung mit TensorFlow und Raspberry Pi Sie möchten sich mit der Bilderkennung befassen? Dank Tensorflow und einem Raspberry Pi können Sie sofort loslegen. Read More behandelt die Installation der Bibliothek auf Ihrem Pi. Es wird auch das Testen und Ausführen des grundlegenden Inception-Bildklassifizierungsprogramms behandelt.
In diesem Fall stellt TensorFlow ein bereits trainiertes neuronales Netzwerk bereit. Der Benutzer muss lediglich den richtigen Datentyp eingeben, und TensorFlow errät, was das Bild enthält. Bereits die Basisimplementierung von TensorFlow kann Bilder in 1000 Klassen einteilen. Es wird eine überraschende Menge richtig!
Aber was kann man mit TensorFlow auf dem Raspberry Pi noch machen?
Portable Bilderkennung
Wir haben beschrieben, wie Sie mit Raspberry Pi eine intelligente Webcam erstellen. DIY-Netzwerk-Überwachungskamera mit Schwenk- und Neigefunktion DIY-Netzwerk-Überwachungskamera mit Schwenk- und Neigefunktion mit Himbeer-Pi Erfahren Sie, wie Sie mit einem Himbeer-Pi aus der Ferne sichtbare Überwachungskameras erstellen. Dieses Projekt kann morgens mit nur den einfachsten Teilen abgeschlossen werden. Lesen Sie vorher mehr, aber dieser sprechende mobile Bildklassifikator bringt es auf eine neue Ebene.
In diesem ausführlichen Beitrag werden das Hardware-Setup und die benutzerdefinierte Software beschrieben, die in den Inception-Image-Klassifikator integriert sind. Der Beispielcode zeigt, wie einfach es ist, TensorFlow in ein Projekt zu integrieren (sofern Sie mit den Grundlagen der Python-Programmiersprache vertraut sind). 5 Kurse, die Sie von Python-Anfänger zu Pro 5-Kursen führen, die Sie von Python-Anfänger führen to Pro In diesen fünf Kursen lernen Sie alles über das Programmieren in Python, einer der heißesten Sprachen, die es derzeit gibt. Der Artikel geht sehr detailliert auf den Prozess der Bilderkennung ein. Es ist im Allgemeinen eine ausgezeichnete Ressource für alle, die sich für dieses Gebiet interessieren.
Ein hervorragendes Element dieses Aufbaus ist möglicherweise anfangs nicht klar:
"Ein zusätzlicher Bonus, auf den viele hingewiesen haben, ist, dass nach der Installation kein Internetzugang erforderlich ist."
Bisherige Bilderkennung war immer auf eine enorme Verarbeitungszeit oder eine Internetverbindung angewiesen. Ein Pi kann Informationen nicht immer an die Cloud weitergeben und verfügt über eine begrenzte Verarbeitungsleistung. Dies ist die Lösung, eine eigenständige Offline-Objekterkennung, die Sie zu Hause erstellen können. Es wird dir sogar sagen, worauf es ankommt. Ist die Zukunft nicht wunderbar?
TensorFlow Zauberspiegel
Selbst gemachte intelligente (oder „magische“) Spiegel sind das Coolste, was Sie bauen können. Verwandeln eines alten Laptop-Bildschirms in einen magischen Spiegel Verwandeln eines alten Laptop-Bildschirms in einen magischen Spiegel Intelligente Spiegel sind einzigartige Geräte, die Sie zum Injizieren verwenden können etwas Magie in Ihr Zuhause. Wir zeigen Ihnen, wie Sie einen mit einem Raspberry Pi bauen. Weiterlesen . Sie benötigen nur einen Pi und einen alten Laptop-Bildschirm sowie die Grundausstattung für Heimwerker. Dies ist ein großartiges Projekt für Anfänger. Alasdair Allan entschied sich gegen einen durchschnittlichen Smart Mirror und baute den TensorFlow-Zauberspiegel mit Spracherkennung.
Alasdair war mit den Kosten für die webbasierte Spracherkennung nicht zufrieden und entschied sich für TensorFlow als Offline-Alternative. Durch die Integration des TensorFlow-Modells für die vorgefertigte Spracherkennung in den bereits verwendeten AIY-Kit-Code werden dem Projekt benutzerdefinierte Aktivierungswörter hinzugefügt.
Google hat einen Datensatz mit über 65.000 Crowdsourcing-Wörtern zusammengestellt. Dieser Open-Source-Datensatz brachte dem neuronalen Netz das Verstehen einiger Wörter bei.
In diesem Fall wurden mehrere mögliche Aktivierungswörter hinzugefügt, es tritt jedoch immer noch ein bekanntes Problem beim maschinellen Lernen auf: Es sind viele Daten erforderlich, um ein neuronales Netzwerk zu trainieren.
Sofern Sie nicht bereit sind, einen eindeutigen Datensatz mit Zehntausenden von Einträgen zu erstellen, sind Sie auf das beschränkt, was frei verfügbar ist. Dieses Projekt zeigt die Einschränkungen von TensorFlow für den Pi in seinem aktuellen Zustand. Es ist voll funktionsfähig, erweitert aber die Rechenfähigkeiten des Pi. Wie bei allen neuen Technologien bietet diese frühe Implementierung einen Einblick in die Zukunft der Smart-Home-Geräte.
TensorFlow Autonomes RC Auto
Gegeben die Geschichte von Google mit selbstfahrenden Autos Wie selbstfahrende Autos funktionieren: Die Nüsse und Schrauben hinter Googles Autonomous Car-Programm Wie selbstfahrende Autos funktionieren: Die Nüsse und Schrauben hinter Googles Autonomous Car-Programm In der Lage sein, während der Arbeit hin und her zu pendeln Schlafen, Essen oder Nachholen in Ihren Lieblingsblogs ist ein Konzept, das gleichermaßen ansprechend und scheinbar weit entfernt und zu futuristisch ist, um es tatsächlich zu tun. Lesen Sie mehr, es ist keine Überraschung, dass TensorFlow für autonomes Fahren gut geeignet ist.
Das DeepPiCar ist ein hervorragendes Beispiel für ein solches neuronales Netzwerk in Aktion. Neben der Standardfernbedienung bietet dieser Raspberry Pi-Roboter etwas ganz Cleveres. Das Netzwerk wird anhand eines Datensatzes auf der GitHub-Projektseite trainiert und lernt, auf einer vorgegebenen Spur zu bleiben.
Dieses Projekt ist nichts für Anfänger. Die benötigte Hardware finden Sie in fast jedem billigen Roboterkit. Die Softwareimplementierung erfordert etwas tieferes Wissen. Sie sollten sich mit maschinellem Lernen vertraut machen, bevor Sie es anwenden.
Gurke Auto-Sorter
Eine der bekanntesten Anwendungen von TensorFlow auf dem Pi, der Gurkensortierer von Makoto Koike, ist ein Zeichen der Zukunft.
Das Sortieren von Frischprodukten für verschiedene Märkte ist für kleinere Anbieter mit enormen Kosten verbunden. Das Sortieren von Gurken nach Größe und Qualität ist eine Aufgabe, die bis vor kurzem nur von einem menschlichen Bediener durchgeführt werden konnte. Die maschinelle Sortierung war sehr schwierig und kostspielig. TensorFlow löst dieses Problem, indem Gurken per Kamera in Echtzeit kategorisiert werden.
Mit über 7000 Bildern von Gurken trainierte Makoto ein neuronales Netzwerk, um zwischen verschiedenen Typen zu unterscheiden. Im Betrieb erfassen Webcams Bilder aus drei Blickwinkeln. Der Pi klassifiziert die Images, bevor er sie zur weiteren Klassifizierung an einen Linux-Server weiterleitet. Das Ergebnis ist ein Förderband und ein Servosystem, das die Gurken in Kisten einsortiert.
Der Beginn von etwas Intelligentem
Wir haben gesehen, dass Himbeer-Pi für alles verwendet wird 26 Tolle Anwendungen für einen Himbeer-Pi 26 Tolle Anwendungen für einen Himbeer-Pi Mit welchem Himbeer-Pi-Projekt sollten Sie beginnen? Hier ist unsere Zusammenfassung der besten Raspberry Pi-Anwendungen und -Projekte! Lesen Sie mehr, so ist es nicht verwunderlich, dass TensorFlow darauf angekommen ist. Der Pi kämpft, um mit den Anforderungen des maschinellen Lernens Schritt zu halten, aber es ist großartig, um die Grundlagen zu lernen. Was ist maschinelles Lernen? Der kostenlose Google-Kurs bringt es für Sie auf den Punkt. Was ist maschinelles Lernen? Googles kostenloser Kurs bringt es für Sie auf den Punkt Google hat einen kostenlosen Online-Kurs entwickelt, der Ihnen die Grundlagen des maschinellen Lernens vermittelt. Weiterlesen .
Erfahren Sie mehr über: Google TensorFlow, Raspberry Pi.
