Hur man bygger DIY AI-projekt med hjälp av Google TensorFlow och Raspberry Pi

Maskininlärning är ämnet på allas läppar. Det är lätt att se varför. Det är framtiden för dataprofilering och används redan i nästan alla moderna affärsinställningar. Men kan den 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 upp i exempel på hur TensorFlow används, är det värt att veta vad det egentligen är.

Kort sagt, TensorFlow är Googles tågbara neurala nätverk, som kan utföra många olika uppgifter. Genom att aktivt lära sig från en användarkurerad dataset gör TensorFlow neurala nätverk exakta förutsägelser när nya data ges.

Kort sagt, TensorFlow neurala nätverk tror.

Kolla vår lista över Tensorflow-exempel Vad är Google TensorFlow? Open Source-exempel och handledning Vad är Google TensorFlow? Open Source-exempel och Tutorials TensorFlow, maskininlärning och neurala nätverk. Här är en snabb överblick över vad det är, varför det är användbart och hur man lär dig det. Läs mer för mer information.

Så här installerar du TensorFlow

Medan du förstår ämnet maskininlärning krävs allvarlig studie är grundläggande TensorFlow-användning lätt att följa. Vår bildkänsla med TensorFlow-handledning Komma igång med bildigenkänning med TensorFlow och Raspberry Pi Kom igång med bildigenkänning med TensorFlow och Raspberry Pi Vill du ta tag i bildigenkänning? Tack vare Tensorflow och en Raspberry Pi kan du börja omedelbart. Läs mer om hur du installerar biblioteket på din Pi. Det täcker också testning av det och kör det grundläggande Inception image klassificeringsprogrammet.

I detta fall tillhandahåller TensorFlow ett redan utbildat neuralt nätverk. Allt användaren måste göra är att mata in rätt datatyp och TensorFlow gissar vad bilden innehåller. Även den grundläggande implementeringen av TensorFlow kan klassificera bilder i 1000 klasser. Det blir en överraskande mängd korrekt!

Men vad mer kan du göra med TensorFlow på Raspberry Pi?

Bärbar bildigenkänning

Vi har täckt hur man gör en smart webbkamera DIY Pan and Tilt Nätverkssäkerhetskamera med Raspberry Pi DIY Pan och Tilt Nätverkssäkerhetskamera med Raspberry Pi Lär dig hur man gör en fjärrkontrollbar pan-och tiltkamera med en Raspberry Pi. Projektet kan slutföras på morgonen med endast de enklaste delarna. Läs mer innan, men den här pratande mobilbildsklassificatorn tar den till en ny nivå.

Den här detaljerade posten beskriver maskinvaruuppsättningen och anpassad programvara som är integrerad med startbildsklassifieraren. Exempelkoden visar hur lätt det är att integrera TensorFlow med ett projekt (förutsatt att du är bekväm med grunderna i Python Programming Language 5 kurser som tar dig från Python Nybörjare till Pro 5 kurser som tar dig från Python Nybörjare 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 i stor detalj om processen med bildigenkänning. Det är en utmärkt resurs i allmänhet för alla som är intresserade av fältet.

Ett utmärkt element i denna inställning är kanske inte initialt klar:

“En extra bonus många påpekade är att, när installerad, krävs ingen internetåtkomst.”

Föregående bildigenkänning har alltid lutat på en stor mängd behandlingstid, eller en internetanslutning. En Pi kan inte alltid skicka information till molnet och har begränsad bearbetningskraft. Det här är lösningen, ett fristående objektobjekt som du kan göra hemma. Det kommer även att berätta vad det ser på. Är inte framtiden fantastisk?

TensorFlow Magic Mirror

Hemlagad smart (eller “magi”) speglar handlar om det coolaste du kan bygga Hur man gör en gammal bärbar datorskärm till en spegel Spegel Hur man byter en gammal bärbar datorskärm till en spegel Spegel Smart speglar är unika apparater som du kan använda för att injicera lite magi i ditt hem. Vi visar dig hur man bygger en Raspberry Pi. Läs mer . Kräver bara en Pi och en gammal bärbar dator skärm tillsammans med grundläggande DIY leveranser, det är ett bra nybörjare projekt. Alasdair Allan bestämde sig för att inte lösa sig för den genomsnittliga smarta spegeln och byggde TensorFlows magiska spegel med röstigenkänning.

Olycklig med kostnaden för webbaserat taligenkänning beslutade Alasdair om TensorFlow som ett offlinealternativ. Integrering av TensorFlows pretrained röstigenkänningsmodell i den redan använda AIY-kit-koden lägger till anpassade vaknaord till projektet.

Google samlade en dataset med över 65 000 folkordnade ord. Denna open-source dataset utbildade det neurala nätet för att förstå några ord.

I det här fallet lagde det flera möjliga vakna ord men kör fortfarande in i ett välkänt maskininlärningsproblem: det tar mycket data att träna ett neuralt nätverk.

Om du inte är villig att skapa en unik dataset med tiotusentals poster, är du begränsad till det som är fritt tillgängligt. Detta projekt visar gränserna för TensorFlow på Pi i dess nuvarande tillstånd. Det är fullt fungerande men driver Pias beräkningskapacitet. Precis som med all ny teknik, är denna tidiga implementering en glimt av framtiden för smart home-enheter.

TensorFlow Autonome RC Bil

Med tanke på Googles historia med självkörande bilar Hur fungerar självkörningsbilar: Nötterna och bultarna bakom Googles autonoma bilprogram Hur självkörningsbilar fungerar: Nötterna och bultarna bakom Googles autonoma bilprogram Att kunna pendla fram och tillbaka för att arbeta samtidigt att sova, äta eller komma på dina favoritbloggar är ett koncept som är lika tilltalande och till synes långt borta och för futuristiskt att det verkligen händer. Läs mer, det är ingen överraskning att TensorFlow är väl lämpad för autonom körning.

DeepPiCar är ett utmärkt exempel på denna typ av neuralt nätverk i aktion. Vid sidan av standard fjärrkontroll har denna Raspberry Pi-robot något helt smartare. Utbildad på en dataset som tillhandahålls på GitHub-projektsidan, lär nätverket att stanna på ett förutbestämt spår.

Detta projekt är inte för nybörjare. Den nödvändiga hårdvaran finns i nästan vilken billig robotkit. Programmets implementering tar lite mer djupgående kunskaper. Du bör ha ett bra grepp om maskininlärning innan du tar den på.

Gurka Automatisk sortering

En av de mest kända installationerna av TensorFlow på Pi, Makoto Koikes gurka sorterare är ett tecken på saker att komma.

Sortering av färskvaror för olika marknader är en enorm kostnad för mindre leverantörer. Att sortera gurkor efter storlek och kvalitet är en uppgift som fram till nyligen endast kan 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 tränade Makoto ett neuralt nätverk för att skilja mellan olika typer. I drift tar webbkameror bilder från tre vinklar. Pi klassificerar bilderna innan de vidarebefordras till en Linux-server för vidare klassificering. Resultatet utlöser ett transportband och servosystem som sorterar gurkorna i lådor.

Början av något smart

Vi har sett Raspberry Pi används för allt 20 Fantastiska användningsområden för en hallon Pi 20 Awesome användningsområden för en Raspberry Pi Med så många snygga projekt för Raspberry Pi kan det vara svårt att bestämma vad man ska göra. I denna mega guide runda vi upp 20 av de allra bästa projekten runt! Läs mer, så det är inte överraskande att TensorFlow har kommit fram till det. Pi kämpar för att följa kraven på maskininlärning, men det är bra att lära sig grunderna. Vad är maskinlärning? Googles fria kurs bryter ner det för dig Vad är maskinlärning? Googles gratis kurs bryter ner dig för Google Google har utformat en gratis online-kurs för att lära dig grunden för maskininlärning. Läs mer .

Utforska mer om: Google TensorFlow, Raspberry Pi.