Может ли Raspberry Pi управлять машинным обучением? Если вы установите Google TensorFlow, то да! Эти четыре примера показывают, что вы можете сделать
Машинное обучение – тема, которая у всех на устах. Легко понять, почему. Это будущее работы с данными, и оно уже используется практически в каждом современном бизнесе. Но можно ли совместить его с Raspberry Pi? Может ли Pi поддерживать работающую нейронную сеть? С Google TensorFlow это возможно!
Вот как установить TensorFlow на Raspberry Pi, а также несколько примеров использования
Что такое TensorFlow?
Прежде чем погрузиться в примеры использования TensorFlow, стоит узнать, что это такое на самом деле
Вкратце, TensorFlow – это обучаемая нейронная сеть Google, которая может выполнять множество различных задач. Активно обучаясь на основе пользовательского набора данных, нейронные сети TensorFlow делают точные прогнозы при получении новых данных
Одним словом, нейронные сети TensorFlow думают
Проверьте наш список примеров Tensorflow для получения дополнительной информации
Как установить TensorFlow
Хотя понимание предмета машинного обучения требует серьезного изучения, основы использования TensorFlow просты. В нашем учебнике ‘Распознавание изображений с помощью TensorFlow’ рассказывается об установке библиотеки на ваш Pi. В нем также рассказывается о тестировании и запуске базовой программы классификации изображений Inception
В данном случае TensorFlow предоставляет уже обученную нейронную сеть. Пользователю нужно только ввести правильный тип данных, и TensorFlow угадает, что содержит изображение. Даже базовая реализация TensorFlow способна классифицировать изображения на 1000 классов. И это удивительно много!
Но что еще можно сделать с помощью TensorFlow на Raspberry Pi?
Портативное распознавание изображений
Мы уже рассказывали о том, как сделать умную веб-камеру, но этот говорящий мобильный классификатор изображений выводит его на новый уровень
В этой подробной статье описывается аппаратная настройка и пользовательское программное обеспечение, интегрированное с классификатором изображений Inception. Пример кода показывает, как легко интегрировать TensorFlow в проект (при условии, что вы владеете основами языка программирования Python). В статье очень подробно рассматривается процесс распознавания изображений. В целом это отличный ресурс для всех, кто интересуется данной областью
Один отличный элемент этой установки может быть изначально непонятен:
‘Дополнительным бонусом, на который многие указывали, является то, что после установки не требуется доступ в Интернет’
Предыдущее распознавание изображений всегда зависело от огромного количества времени обработки или подключения к Интернету.Pi не всегда может передавать информацию в облако и имеет ограниченную вычислительную мощность. Это решение – автономный автономный распознаватель объектов, который вы можете сделать дома. Он даже скажет вам, на что он смотрит. Разве будущее не чудесно?
TensorFlow Magic Mirror
Самодельные умные (или ‘волшебные’) зеркала – это самая крутая вещь, которую можно построить. Для этого требуется только Pi и экран старого ноутбука, а также основные материалы для DIY, и это отличный проект для начинающих. Аласдэр Аллан решил не довольствоваться обычным умным зеркалом и построил волшебное зеркало на TensorFlow с функцией распознавания голоса
Не удовлетворенный стоимостью распознавания речи на основе веб-технологий, Аласдэр решил использовать TensorFlow в качестве автономной альтернативы. Интеграция предварительно обученной модели распознавания речи TensorFlow в уже используемый код набора AIY добавляет в проект пользовательские слова для пробуждения
Компания Google собрала набор данных, содержащий более 65 000 слов, полученных с помощью краудсорсинга. Этот набор данных с открытым исходным кодом обучил нейронную сеть понимать некоторые слова
В этом случае она добавила несколько возможных слов для пробуждения, но все равно столкнулась со знакомой проблемой машинного обучения: для обучения нейронной сети требуется много данных
Если вы не готовы создать уникальный набор данных с десятками тысяч записей, вы ограничены тем, что есть в свободном доступе. Этот проект показывает ограничения TensorFlow на Pi в его текущем состоянии. Он полностью функционален, но ограничивает вычислительные возможности Pi. Как и все новые технологии, эта ранняя реализация – это взгляд в будущее умных домашних устройств
Автономный RC-автомобиль TensorFlow
Учитывая историю Google с самодвижущимися автомобилями, неудивительно, что TensorFlow хорошо подходит для автономного вождения
DeepPiCar – отличный пример нейронной сети такого типа в действии. Наряду со стандартным дистанционным управлением этот робот Raspberry Pi оснащен чем-то более умным. Обученная на наборе данных, предоставленном на странице проекта на GitHub, сеть учится придерживаться заданного пути
Этот проект не для новичков. Необходимое оборудование можно найти практически в любом дешевом робототехническом наборе. Программная реализация требует более глубоких знаний. Вы должны хорошо разбираться в машинном обучении, прежде чем браться за него
Автоматический сортировщик огурцов
Одно из самых известных внедрений TensorFlow на Pi, сортировщик огурцов Макото Коике – знак грядущих событий
Сортировка свежих продуктов для различных рынков – это огромные расходы для небольших поставщиков. Сортировка огурцов по размеру и качеству – задача, которую до недавнего времени мог выполнить только человек. Машинная сортировка была очень сложной и дорогостоящей.TensorFlow решает эту проблему, классифицируя огурцы в режиме реального времени с помощью камеры
Используя более 7000 изображений огурцов, Макото обучил нейронную сеть различать разные типы. В процессе работы веб-камеры захватывают изображения с трех углов.Pi классифицирует изображения, а затем передает их на сервер Linux для дальнейшей классификации. Результат запускает конвейерную ленту и сервосистему, которая сортирует огурцы по коробкам
Начало чего-то умного
Мы видели, что Raspberry Pi используются для всего, поэтому неудивительно, что TensorFlow появился на них.Pi с трудом справляется с требованиями машинного обучения, но он отлично подходит для изучения основ
Комментировать