Reklāma
Mašīnmācīšanās ir tēma, uz kuras ikviens lūpās. Ir viegli saprast, kāpēc. Tā ir datu manipulācijas nākotne, un to jau izmanto gandrīz visos mūsdienu biznesa apstākļos. Bet vai to var apvienot ar Aveņu Pi? Vai Pi ir atbildīgs par darba neironu tīkla uzturēšanu? Izmantojot Google TensorFlow, tas var!
Tālāk ir aprakstīts, kā instalēt TensorFlow Raspberry Pi ar dažiem lietošanas piemēriem.
Kas ir TensorFlow?
Pirms iedziļināties TensorFlow lietošanas piemēros, ir vērts zināt, kas tas patiesībā ir.
Īsāk sakot, TensorFlow ir Google apmācāmais neironu tīkls, kas var veikt daudzus un dažādus uzdevumus. Aktīvi mācoties no lietotāja izstrādātas datu kopas, TensorFlow neironu tīkli sniedz precīzas prognozes, kad viņiem tiek doti jauni dati.
Īsāk sakot, TensorFlow neironu tīkli domā.
Pārbaudiet mūsu sarakstu Tensorflow piemēri Kas ir Google TensorFlow? Atvērtā koda piemēri un konsultācijasTensorFlow, mašīnmācīšanās un neironu tīkli. Šeit ir īss pārskats par to, kas tas ir, kāpēc tas ir noderīgs un kā to iemācīties. Lasīt vairāk lai iegūtu vairāk informācijas.
Kā instalēt TensorFlow
Kaut arī mašīnmācības priekšmeta izpratne prasa nopietnu izpēti, TensorFlow pamata lietojumu ir viegli ievērot. Mūsu Attēlu atpazīšana, izmantojot apmācību TensorFlow Sāciet darbu ar attēlu atpazīšanu, izmantojot TensorFlow un Raspberry PiVai vēlaties tikt galā ar attēlu atpazīšanu? Pateicoties Tensorflow un Raspberry Pi, jūs varat sākt darbu tūlīt. Lasīt vairāk aptver bibliotēkas uzstādīšanu uz jūsu Pi. Tas ietver arī tā pārbaudi un pamata sākuma attēlu klasifikācijas programmas palaišanu.
Šajā gadījumā TensorFlow nodrošina jau apmācītu neironu tīklu. Lietotājam ir jāievada pareizs datu tips, un TensorFlow uzminēs, ko satur attēls. Pat pamata TensorFlow ieviešana spēj klasificēt attēlus 1000 klasēs. Tas kļūst pārsteidzoši pareizs!
Bet ko vēl jūs varat darīt ar TensorFlow vietnē Raspberry Pi?
Mēs esam pārklājuši kā izveidot viedu tīmekļa kameru DIY Pan un Tilt tīkla drošības kamera ar Raspberry PiUzziniet, kā padarīt attālināti skatāmu panorāmas un slīpuma drošības kameru ar Raspberry Pi. Šo projektu var pabeigt no rīta, izmantojot tikai vienkāršākās detaļas. Lasīt vairāk pirms tam, bet šis runājošais mobilo attēlu klasifikators paceļ to jaunā līmenī.
Šajā detalizētajā ierakstā ir aprakstīta aparatūras iestatīšana un pielāgotā programmatūra, kas integrēta sākuma attēla klasifikatorā. Piemēra kods parāda, cik viegli ir integrēt TensorFlow projektā (ar nosacījumu, ka jums tas ir ērti programmēšanas valodas Python pamati 5 kursi, kas aizvedīs jūs no Python Beginner līdz ProŠie pieci kursi jums iemācīs visu par programmēšanu Python - vienā no karstākajām valodām, kas šobrīd ir pieejama. Lasīt vairāk ). Rakstā ļoti detalizēti aprakstīts attēla atpazīšanas process. Tas kopumā ir lielisks resurss ikvienam, kuru interesē šī joma.
Viens izcilais šīs iestatīšanas elements sākotnēji var nebūt skaidrs:
"Papildu prēmija, uz kuru daudzi norādīja, ir tāda, ka pēc uzstādīšanas nav nepieciešama piekļuve internetam."
Iepriekšējā attēla atpazīšana vienmēr ir bijusi atkarīga no milzīga apstrādes laika vai interneta savienojuma. Pi ne vienmēr var nodot informāciju mākonim, un tā apstrādes jauda ir ierobežota. Šis ir risinājums, autonoms bezsaistes objektu atpazīšanas līdzeklis, kuru varat izgatavot mājās. Tas pat pateiks, ko tas skatās. Vai nākotne nav brīnišķīga?
Pašmāju viedie (vai “maģiskie”) spoguļi ir par stilīgāko lietu, ko varat uzbūvēt Kā pārvērst veco klēpjdatora ekrānu burvju spogulīViedie spoguļi ir unikālas ierīces, kuras varat izmantot, lai jūsu mājās iepludinātu maģiju. Mēs parādīsim, kā to izveidot ar Raspberry Pi. Lasīt vairāk . Nepieciešams tikai Pi un vecs klēpjdatora ekrāns, kā arī pamata DIY piederumi. Tas ir lielisks iesācēju projekts. Alasdair Allan nolēma nesamierināties ar vidējo viedo spoguli un uzcēla TensorFlow burvju spogulis ar balss atpazīšanu.
Neapmierināts ar tīmekļa runas atpazīšanas izmaksām, Alasdair izlēma par TensorFlow kā bezsaistes alternatīvu. TensorFlow iepriekš sagatavotā balss atpazīšanas modeļa integrēšana jau izmantotajā AIY komplekts kods projektam pievieno pielāgotos modināšanas vārdus.
Google apkopoja datu kopu, kurā bija vairāk nekā 65 000 vārdi, kas veidoti no dažādiem avotiem. Šī atvērtā koda datu kopa apmācīja neironu tīklu saprast dažus vārdus.
Šajā gadījumā tas pievienoja vairākus iespējamos modināšanas vārdus, bet joprojām sastopas ar pazīstamu mašīnmācīšanās problēmu: neironu tīkla apmācībai nepieciešams daudz datu.
Ja vien jūs nevēlaties izveidot unikālu datu kopu ar desmitiem tūkstošu ierakstu, jūs aprobežojaties ar to, kas ir brīvi pieejams. Šis projekts parāda TensorFlow ierobežojumus Pi pašreizējā stāvoklī. Tas ir pilnībā funkcionāls, bet uzliek Pi aprēķināšanas iespējas. Tāpat kā visas jaunās tehnoloģijas, arī šī agrīnā ieviešana ir ieskats viedo mājas ierīču nākotnē.
Ņemot vērā Google vēsture ar pašbraucošām automašīnām Kā darbojas patstāvīgi braucoši auto: uzgriežņi un skrūves aiz Google autonomās automašīnas programmasSpēja pārvietoties uz priekšu un atpakaļ uz darbu, guļot, ēdot vai sasniedzot savu iecienīto emuāri ir jēdziens, kas ir tikpat pievilcīgs un šķietami tāls, un patiesībā pārāk futūristisks notikt. Lasīt vairāk , nav pārsteigums, ka TensorFlow ir labi piemērots autonomai braukšanai.
DeepPiCar ir lielisks šāda veida neironu tīkla darbības piemērs. Līdzās standarta tālvadības pultim šis Raspberry Pi robots piedāvā kaut ko pavisam gudru. Apmācīts datu kopā, kas tiek piedāvāts GitHub projekta lapā, tīkls iemācās palikt uz iepriekš noteikta ceļa.
Šis projekts nav paredzēts iesācējiem. Nepieciešamo aparatūru var atrast gandrīz jebkurā lēta robotu komplektā. Programmatūras ieviešana prasa dažas padziļinātas zināšanas. Pirms sākat mācīties, jums vajadzētu labi izprast mašīnu apguvi.
Viens no pazīstamākajiem TensorFlow izvietojumiem Pi, Makoto Koike gurķu šķirotājs ir nākamo lietu pazīme.
Svaigu produktu šķirošana dažādiem tirgiem rada lielas izmaksas mazākiem pakalpojumu sniedzējiem. Gurķu šķirošana pēc lieluma un kvalitātes ir uzdevums, kuru vēl nesen varēja veikt tikai cilvēks. Mašīnu šķirošanu bija ļoti grūti panākt, un tā maksāja dārgi. TensorFlow atrisina šo problēmu, izmantojot kameru reāllaikā klasificējot gurķus.
Izmantojot vairāk nekā 7000 gurķu attēlu, Makoto apmācīja neironu tīklu, lai atšķirtu dažādus veidus. Darbībā tīmekļa kameras uztver attēlus no trim leņķiem. Pi klasificē attēlus, pirms tos pārsūta uz Linux serveri turpmākai klasifikācijai. Rezultātā tiek iedarbināta konveijera lente un servo sistēma, kas gurķus sadala kastēs.
Kaut kā gudra sākums
Mēs esam redzējuši Aveņu Pi izmanto visam 26 satriecoši aveņu pi lietošanas veidiKurš Raspberry Pi projekts jums jāsāk? Šeit ir apkopoti labākie Raspberry Pi lietojumi un projekti apkārtnē! Lasīt vairāk , tāpēc nav pārsteidzoši, ka tajā ir ieradies TensorFlow. Pi cenšas neatpalikt no mašīnmācības prasībām, bet tas tā ir lieliski noder pamatiem Kas ir mašīnmācīšanās? Google bezmaksas kurss jums to pārtraucGoogle ir izveidojis bezmaksas tiešsaistes kursu, lai iemācītu jums mašīnmācīšanās pamatus. Lasīt vairāk .
Ians Baklijs ir ārštata žurnālists, mūziķis, izpildītājs un video producents, kas dzīvo Berlīnē, Vācijā. Kad viņš neraksta un neuzstājas uz skatuves, viņš aizraujas ar DIY elektroniku vai kodu, cerot kļūt par neprātīgu zinātnieku.
