Oglas
Strojno učenje je tema na ustnicah vseh. To je enostavno razumeti, zakaj. To je prihodnost obdelave podatkov in se že uporablja v skoraj vseh sodobnih poslovnih okoljih. Ampak ali ga je mogoče kombinirati z Raspberry Pi? Ali je Pi zadolžen za vzdrževanje delujoče nevronske mreže? Z Google TensorFlow lahko!
Tukaj je opisano, kako namestiti TensorFlow na Raspberry Pi z nekaj primeri uporabe.
Kaj je TensorFlow?
Preden se potopite v primere uporabe TensorFlow, je vredno vedeti, kaj dejansko je.
Skratka, TensorFlow je Googlovo tragibilno nevronsko omrežje, ki lahko opravlja več različnih nalog. Z nenehnim omrežjem TensorFlow z aktivnim učenjem iz uporabniško podprtega nabora podatkov natančno napoveduje, ko dobi nove podatke.
Skratka, nevronske mreže TensorFlow misli.
Oglejte si naš seznam Tensorflov primeri Kaj je Google TensorFlow? Primeri in vaje z odprto kodoTensorFlow, strojno učenje in nevronske mreže. Tu je kratek pregled, kaj je to, zakaj je koristno in kako se ga naučiti. Preberi več za več informacij.
Kako namestiti TensorFlow
Čeprav razumevanje predmeta strojnega učenja traja resno, je osnovna uporaba TensorFlow enostavno sledljiva. Naše Prepoznavanje slike z vadnico TensorFlow Začnite s prepoznavanjem slik z uporabo TensorFlow in Raspberry PiSe želite spoprijeti s prepoznavanjem slike? Zahvaljujoč Tensorflowu in Raspberry Pi, lahko začnete takoj. Preberi več zajema namestitev knjižnice na vaš Pi. Zajema tudi njegovo testiranje in izvajanje osnovnega programa za razvrščanje slik Inception.
V tem primeru TensorFlow zagotavlja že usposobljeno nevronsko mrežo. Vsak uporabnik mora vnesti pravilno vrsto podatkov in TensorFlow bo uganil, kaj slika vsebuje. Tudi osnovna izvedba sistema TensorFlow lahko razvrsti slike v 1000 razredov. Pravilno preseže znesek!
Toda kaj lahko še storite s TensorFlowom na Raspberry Pi?
Pokrili smo kako narediti pametno spletno kamero Načrtujte varnostno mrežo Cam-a in nagiba z malino PiNaučite se, kako narediti varnostno kamero na daljavo in nagniti varnostno kamero z Raspberry Pi. Ta projekt je mogoče dokončati zjutraj z najpreprostejšimi deli. Preberi več prej, ampak ta govorjeni klasifikator mobilnih slik popelje na novo raven.
Ta podrobna objava prikazuje nastavitev strojne opreme in programsko opremo po meri, integrirano s klasifikatorjem slike Inception. Primer kode prikazuje, kako enostavno je integrirati TensorFlow s projektom (pod pogojem, da vam ustreza osnove programskega jezika Python 5 tečajev, ki vas bodo od Python začetnika vodili do profesionalcaTeh pet tečajev vas bo naučilo vse o programiranju v Pythonu, enem najbolj vročih jezikov tam. Preberi več ). Članek podrobno opisuje postopek prepoznavanja slike. Na splošno je odličen vir za vse, ki jih področje zanima.
En odličen element te nastavitve morda sprva ni jasen:
"Dodaten bonus, na katerega so mnogi opozorili, je, da ko je enkrat nameščen, dostop do interneta ni potreben."
Prejšnje prepoznavanje slik se je vedno oprlo na ogromno časa obdelave ali internetne povezave. Pi ne more vedno prenašati informacij v oblak in ima omejeno moč obdelave. To je rešitev, samostojen prepoznavalec predmetov brez povezave, ki ga lahko naredite doma. Povedal vam bo celo, kaj gleda. Ali ni prihodnost čudovita?
Domača pametna (ali "čarobna") ogledala so o najbolj kul stvari, ki jo lahko zgradite Kako zaslon starega prenosnega računalnika spremeniti v čarobno ogledaloPametna ogledala so edinstvene naprave, s katerimi lahko v svoj dom vnesete nekaj čarovnije. Pokažemo vam, kako zgraditi enega z Raspberry Pi. Preberi več . Če potrebujete samo Pi in star zaslon prenosnika, skupaj z osnovnimi potrebščinami "naredi si sam", je odličen projekt za začetnike. Alasdair Allan se je odločil, da se ne bo sprijaznil s povprečnim pametnim ogledalom in si zgradil Čarobno ogledalo TensorFlow s prepoznavanjem glasu.
Nezadovoljen s stroški spletnega prepoznavanja govora se je Alasdair odločil za TensorFlow kot alternativo brez povezave. Vključitev preiskovanega modela prepoznavanja glasu TensorFlow v že uporabljeni AIY komplet koda projektu dodajo besede budnosti po meri.
Google je sestavil nabor podatkov z več kot 65.000 besedami iz množice. Ta odprtokodni niz podatkov je usposobil nevronsko mrežo za razumevanje nekaterih besed.
V tem primeru je dodala več možnih besed budnosti, vendar še vedno naleti na znano težavo strojnega učenja: za usposabljanje nevronske mreže potrebuje veliko podatkov.
Če niste pripravljeni ustvariti edinstvenega nabora podatkov z več deset tisoč vnosi, ste omejeni na tisto, kar je prosto dostopno. Ta projekt prikazuje omejitve TensorFlow na Pi v trenutnem stanju. Je popolnoma funkcionalen, vendar pritiska na računalniške zmogljivosti Pi. Kot pri vseh novih tehnologijah je tudi ta zgodnja implementacija pogled v prihodnost pametnih domačih naprav.
Glede na Googlove zgodovina z lastnimi avtomobili Kako delujejo samovozeči avtomobili: matice in vijaki za Googlovim programom avtonomnih avtomobilovSposobnost potovanja naprej in nazaj v službo med spanjem, prehranjevanjem ali dohitevanjem najljubšega blogi je koncept, ki je prav tako privlačen in na videz daljnosežen in dejansko futurističen zgoditi. Preberi več , ne preseneča, da je TensorFlow dobro primeren za avtonomno vožnjo.
The DeepPiCar je odličen primer tovrstne nevronske mreže v akciji. Ta robot Raspberry Pi ima poleg standardnega daljinskega upravljalca še nekaj pametnejšega. Mreža se izuči na naboru podatkov na strani projekta GitHub in se nauči ostati na vnaprej določeni poti.
Ta projekt ni za začetnike. Potrebno strojno opremo lahko najdete v skoraj katerem koli poceni kompletu robotov. Izvajanje programske opreme zahteva nekaj več poglobljenega znanja. Preden se tega lotite, morate dobro razumeti strojno učenje.
Ena najbolj znanih uvajanj TensorFlow na Pi, Makoto Koike sorter kumar je znak za prihodnje stvari.
Razvrščanje svežih pridelkov na različnih trgih je velik strošek za manjše ponudnike. Razvrščanje kumar po velikosti in kakovosti je naloga, ki jo je do nedavnega lahko opravljal le človeški operater. Strojno razvrščanje je bilo zelo težko doseči in drago. TensorFlow to težavo reši s kategorizacijo kumar v realnem času prek kamere.
Z več kot 7000 slikami kumar je Makoto usposobil nevronsko mrežo za razlikovanje med različnimi vrstami. V uporabi spletne kamere zajemajo slike iz treh zornih kotov. Pi klasificira slike, preden jih pošlje strežniku Linux za nadaljnjo klasifikacijo. Rezultat sproži tekoči trak in servo sistem, ki kumare razvrsti v škatle.
Začetek nečesa pametnega
Videli smo Malina Pi se uporablja za vse 26 Izjemno uporabne za malino PiS katerim projektom Raspberry Pi bi morali začeti? Tu je seznam naših najboljših uporabnikov in projektov Raspberry Pi! Preberi več , zato ni presenetljivo, da je TensorFlow prispel nanj. Pi se bori, da bi sledila zahtevam strojnega učenja, vendar je super za učenje osnov Kaj je strojno učenje? Googlov brezplačni tečaj te razbijeGoogle je zasnoval brezplačen spletni tečaj, ki vas bo naučil osnov strojnega učenja. Preberi več .
Ian Buckley je svobodni novinar, glasbenik, performer in producent videa, ki živi v Berlinu v Nemčiji. Ko ne piše ali na odru, se ukvarja z lastno elektroniko ali kodo v upanju, da bo postal nor znanstvenik.
