Come costruire progetti AI fai-da-te usando Google TensorFlow e Raspberry Pi

Annuncio pubblicitario

L'apprendimento automatico è l'argomento sulla bocca di tutti. È facile capire perché. È il futuro della manipolazione dei dati ed è già utilizzato in quasi tutti gli ambienti aziendali moderni. Ma può essere combinato con un Raspberry Pi? Il Pi ha il compito di sostenere una rete neurale funzionante? Con Google TensorFlow, può farlo!

Ecco come installare TensorFlow su un Raspberry Pi, con alcuni esempi di utilizzo.

Che cos'è TensorFlow?

Prima di immergerti in esempi di come viene utilizzato TensorFlow, vale la pena sapere che cos'è effettivamente.

In breve, TensorFlow è la rete neurale addestrabile di Google, che può svolgere molte attività diverse. Imparando attivamente da un set di dati curato dall'utente, le reti neurali TensorFlow fanno previsioni accurate quando vengono dati nuovi dati.

In breve, reti neurali TensorFlow pensare.

Controlla il nostro elenco di Esempi di Tensorflow Che cos'è Google TensorFlow? Esempi ed esercitazioni open sourceTensorFlow, machine learning e reti neurali. Ecco una rapida panoramica di cosa è, perché è utile e come impararlo.

Leggi di più per maggiori informazioni.

Come installare TensorFlow

Mentre la comprensione dell'argomento dell'apprendimento automatico richiede uno studio serio, l'utilizzo di base di TensorFlow è facile da seguire. Nostro Riconoscimento di immagini con tutorial TensorFlow Inizia con il riconoscimento delle immagini usando TensorFlow e Raspberry PiVuoi fare i conti con il riconoscimento delle immagini? Grazie a Tensorflow e un Raspberry Pi, puoi iniziare subito. Leggi di più copre l'installazione della libreria sul tuo Pi. Copre anche il test e l'esecuzione del programma base di classificazione delle immagini di Inception.

In questo caso, TensorFlow fornisce una rete neurale già addestrata. Tutto ciò che l'utente deve fare è inserire il tipo di dati corretto e TensorFlow indovinerà il contenuto dell'immagine. Anche l'implementazione di base di TensorFlow è in grado di classificare le immagini in 1000 classi. Ottiene una quantità sorprendente corretta!

Ma cos'altro puoi fare con TensorFlow sul Raspberry Pi?

Abbiamo coperto come realizzare una webcam intelligente Videocamera di sicurezza di rete panoramica e inclinazione fai-da-te con Raspberry PiScopri come realizzare una videocamera di sicurezza panoramica e inclinazione visualizzabile in remoto con un Raspberry Pi. Questo progetto può essere completato in una mattinata con solo le parti più semplici. Leggi di più prima, ma questo classificatore di immagini mobile parlante lo porta a un nuovo livello.

Questo post dettagliato delinea l'installazione hardware e il software personalizzato integrato con il classificatore di immagini Inception. Il codice di esempio mostra quanto sia facile integrare TensorFlow con un progetto (purché tu abbia dimestichezza con basi del linguaggio di programmazione Python 5 corsi che ti porteranno da Python Beginner a ProQuesti cinque corsi ti insegneranno tutto sulla programmazione in Python, una delle lingue più in voga al momento. Leggi di più ). L'articolo approfondisce il processo di riconoscimento delle immagini. È una risorsa eccellente in generale per chiunque sia interessato al campo.

Un elemento eccellente di questa configurazione potrebbe non essere inizialmente chiaro:

"Un ulteriore vantaggio che molti hanno sottolineato è che, una volta installato, non è necessario l'accesso a Internet."

Il riconoscimento delle immagini precedente ha sempre fatto affidamento su un'enorme quantità di tempo di elaborazione o su una connessione Internet. Un Pi non può sempre trasmettere informazioni al cloud e ha una potenza di elaborazione limitata. Questa è la soluzione, un riconoscitore di oggetti offline autonomo che puoi realizzare a casa. Ti dirà anche cosa sta guardando. Il futuro non è meraviglioso?

Sono specchi intelligenti (o "magici") fatti in casa sulla cosa più bella che puoi costruire Come trasformare uno schermo di un vecchio laptop in uno specchio magicoGli specchi intelligenti sono dispositivi unici che puoi utilizzare per iniettare un po 'di magia nella tua casa. Ti mostriamo come costruirne uno con un Raspberry Pi. Leggi di più . Richiede solo un Pi e un vecchio schermo per laptop insieme a prodotti base fai-da-te, è un ottimo progetto per principianti. Alasdair Allan ha deciso di non accontentarsi del mirror intelligente medio e ha costruito il Specchio magico TensorFlow con riconoscimento vocale.

Insoddisfatto del costo del riconoscimento vocale basato sul web, Alasdair ha deciso di utilizzare TensorFlow come alternativa offline. Integrazione del modello di riconoscimento vocale preinstallato di TensorFlow nel già utilizzato Kit AIY il codice aggiunge parole di riattivazione personalizzate al progetto.

Google ha assemblato un set di dati con oltre 65.000 parole in crowdsourcing. Questo set di dati open source ha addestrato la rete neurale a comprendere alcune parole.

In questo caso, ha aggiunto diverse possibili parole di riattivazione ma si imbatte ancora in un familiare problema di apprendimento automatico: ci vogliono molti dati per addestrare una rete neurale.

A meno che non si desideri creare un set di dati univoco con decine di migliaia di voci, si è limitati a ciò che è liberamente disponibile. Questo progetto mostra i limiti di TensorFlow sul Pi nel suo stato attuale. È completamente funzionale ma spinge le capacità computazionali del Pi. Come per tutte le nuove tecnologie, questa prima implementazione è uno scorcio del futuro dei dispositivi domestici intelligenti.

Dati di Google storia con auto a guida autonoma Come funzionano le auto a guida autonoma: i dadi e le viti dietro il programma di auto autonomo di GoogleEssere in grado di andare avanti e indietro al lavoro mentre dormi, mangi o raggiungi il tuo preferito blog è un concetto che è altrettanto attraente e apparentemente lontano e troppo futuristico per davvero accadere. Leggi di più , non sorprende che TensorFlow sia adatto alla guida autonoma.

Il DeepPiCar è un eccellente esempio di questo tipo di rete neurale in azione. Oltre al telecomando standard, questo robot Raspberry Pi presenta qualcosa di completamente intelligente. Formata su un set di dati fornito nella pagina del progetto GitHub, la rete impara a rimanere su una traccia predeterminata.

Questo progetto non è per principianti. L'hardware richiesto può essere trovato in quasi tutti i kit robot economici. L'implementazione del software richiede alcune conoscenze più approfondite. Dovresti avere una buona conoscenza dell'apprendimento automatico prima di affrontarlo.

Una delle distribuzioni più note di TensorFlow sul Pi, Selezionatrice di cetrioli di Makoto Koike è un segno delle cose a venire.

La selezione di prodotti freschi per diversi mercati è un costo enorme per i fornitori più piccoli. Ordinare i cetrioli per dimensione e qualità è un compito che fino a poco tempo fa poteva essere eseguito solo da un operatore umano. L'ordinamento delle macchine era molto difficile da realizzare e costoso. TensorFlow risolve questo problema classificando i cetrioli in tempo reale tramite telecamera.

Utilizzando oltre 7000 immagini di cetrioli, Makoto ha addestrato una rete neurale per distinguere tra diversi tipi. Durante il funzionamento, le webcam catturano immagini da tre angolazioni. Il Pi classifica le immagini, prima di inoltrarle a un server Linux per un'ulteriore classificazione. Il risultato innesca un nastro trasportatore e un sistema servo che ordina i cetrioli in scatole.

L'inizio di qualcosa di intelligente

Abbiamo visto Raspberry Pi è usato per tutto 26 fantastici usi per un Raspberry PiCon quale progetto Raspberry Pi dovresti iniziare? Ecco la nostra carrellata dei migliori usi e progetti di Raspberry Pi in circolazione! Leggi di più , quindi non sorprende che TensorFlow sia arrivato su di esso. Il Pi fa fatica a tenere il passo con le esigenze dell'apprendimento automatico, ma lo è ottimo per imparare le basi Che cos'è l'apprendimento automatico? Il corso gratuito di Google lo suddivide per teGoogle ha progettato un corso online gratuito per insegnarti i fondamenti dell'apprendimento automatico. Leggi di più .