Erstellen von DIY-KI-Projekten mit Google TensorFlow und Raspberry Pi

Maschinelles Lernen ist das Thema in aller Munde. Es ist leicht zu sehen warum. Es ist die Zukunft der Datenmanipulation und wird bereits in fast jedem modernen Geschäftsumfeld eingesetzt. Aber kann es mit einem Himbeer-Pi kombiniert werden? Ist das Pi der Aufgabe gewachsen, ein funktionierendes neuronales Netzwerk aufrechtzuerhalten? Mit Google TensorFlow ist das möglich!

So installieren Sie TensorFlow auf einem Raspberry Pi mit einigen Anwendungsbeispielen.

Was ist TensorFlow??

Bevor Sie sich mit Beispielen beschäftigen, wie TensorFlow verwendet wird, sollten Sie wissen, was es eigentlich ist.

Kurz gesagt, TensorFlow ist das trainierbare neuronale Netzwerk von Google, das viele verschiedene Aufgaben ausführen kann. Durch aktives Lernen aus einem vom Benutzer kuratierten Datensatz können neuronale TensorFlow-Netzwerke genaue Vorhersagen treffen, wenn neue Daten eingegeben werden.

Kurz gesagt: TensorFlow-Neuronale Netzwerke denken.

Schauen Sie sich unsere Liste der Tensorflow-Beispiele an. Was ist Google TensorFlow? Open Source-Beispiele und Tutorials Was ist Google TensorFlow? Open-Source-Beispiele und -Tutorials TensorFlow, maschinelles Lernen und neuronale Netzwerke. Hier ist ein kurzer Überblick darüber, was es ist, warum es nützlich ist und wie man es lernen kann. Lesen Sie mehr für weitere Informationen.

So installieren Sie TensorFlow

Während das Verstehen des Themas des maschinellen Lernens ernsthaft studiert werden muss, ist die grundlegende Verwendung von TensorFlow leicht zu verfolgen. Unsere Bilderkennung mit TensorFlow Tutorial Erste Schritte mit der Bilderkennung mit TensorFlow und Raspberry Pi Erste Schritte mit der Bilderkennung mit TensorFlow und Raspberry Pi Möchten Sie sich mit der Bilderkennung vertraut machen? Dank Tensorflow und einem Raspberry Pi können Sie sofort loslegen. Weitere Informationen finden Sie unter Installieren der Bibliothek auf Ihrem Pi. Es umfasst auch das Testen und das Ausführen des grundlegenden Inception-Bildklassifizierungsprogramms.

In diesem Fall bietet TensorFlow ein bereits trainiertes neuronales Netzwerk. Der Benutzer muss lediglich den richtigen Datentyp eingeben. TensorFlow wird dann raten, was das Bild enthält. Selbst die grundlegende Implementierung von TensorFlow kann Bilder in 1000 Klassen einordnen. Es wird eine überraschende Menge korrekt angezeigt!

Aber was kann man mit TensorFlow auf dem Raspberry Pi noch tun??

Tragbare Bilderkennung

Wir haben beschrieben, wie Sie eine intelligente Webcam mit Schwenk- und Neige-Netzwerkkamera mit Raspberry Pi erstellen. DIY-Kamera mit Schwenk- und Neigungskamera mit Raspberry Pi. Erfahren Sie, wie Sie mit einem Raspberry Pi eine ferngesteuerte Schwenk- / Neige-Überwachungskamera erstellen. Dieses Projekt kann morgens mit nur den einfachsten Teilen abgeschlossen werden. Lesen Sie vorher mehr, aber dieser mobile Bildklassifizierer bringt es auf ein neues Niveau.

In diesem ausführlichen Beitrag wird das Hardware-Setup und die in den Inception-Bildklassifizierer integrierte Software beschrieben. Der Beispielcode zeigt, wie einfach TensorFlow in ein Projekt integriert werden kann (vorausgesetzt, Sie sind mit den Grundlagen der Python-Programmiersprache vertraut. 5 Kurse, die Sie vom Python-Anfänger zum Pro führen. 5 Kurse, die Sie vom Python-Anfänger mitnehmen Pro In diesen fünf Kursen erfahren Sie alles über das Programmieren in Python, einer der heißesten Sprachen, die es derzeit gibt. Weitere Informationen. Der Artikel geht sehr detailliert auf den Prozess der Bilderkennung ein. Es ist im Allgemeinen eine ausgezeichnete Ressource für alle, die sich für dieses Gebiet interessieren.

Ein hervorragendes Element dieses Setups ist anfangs nicht klar:

“Ein zusätzlicher Bonus, auf den viele hingewiesen haben, ist, dass nach der Installation kein Internetzugang erforderlich ist.”

Die bisherige Bilderkennung war immer auf eine enorme Verarbeitungszeit oder eine Internetverbindung angewiesen. Ein Pi kann nicht immer Informationen an die Cloud weitergeben und hat eine begrenzte Verarbeitungsleistung. Dies ist die Lösung, eine unabhängige Offline-Objekterkennung, die Sie zu Hause vornehmen können. Es wird Ihnen sogar sagen, worauf es schaut. Ist die Zukunft nicht wunderbar??

TensorFlow Magic Mirror

Selbst gemachtes intelligentes (oder “Zauber”) Spiegel sind die coolsten Dinge, die Sie bauen können. So verwandeln Sie einen alten Laptopbildschirm in einen Zauberspiegel. So verwandeln Sie einen alten Laptopbildschirm in einen Zauberspiegel. Intelligente Spiegel sind einzigartige Geräte, mit denen Sie Magie in Ihr Zuhause bringen können. Wir zeigen Ihnen, wie Sie mit einem Raspberry Pi einen bauen. Weiterlesen . Es ist nur ein Pi und ein alter Laptopbildschirm sowie grundlegende Baumaterialien erforderlich. Dies ist ein großartiges Einsteigerprojekt. Alasdair Allan entschied sich nicht für den durchschnittlichen intelligenten Spiegel und baute den TensorFlow-Magiespiegel mit Spracherkennung.

Alasdair war mit den Kosten für die webbasierte Spracherkennung nicht zufrieden und entschied sich für TensorFlow als Offline-Alternative. Durch die Integration des TensorFlow-Spracherkennungsmodells in den bereits verwendeten AIY-Kit-Code werden dem Projekt benutzerdefinierte Wake-Wörter hinzugefügt.

Google stellte einen Datensatz mit über 65.000 Wörtern zusammen. Dieser Open-Source-Datensatz trainierte das neuronale Netz, um einige Wörter zu verstehen.

In diesem Fall fügte es mehrere mögliche Aufweckwörter hinzu, stößt jedoch immer noch auf ein bekanntes Problem des maschinellen Lernens: Es erfordert eine Menge Daten, um ein neuronales Netzwerk zu trainieren.

Wenn Sie nicht bereit sind, ein einzigartiges Dataset mit Zehntausenden von Einträgen zu erstellen, sind Sie auf das beschränkt, was frei verfügbar ist. Dieses Projekt zeigt die Einschränkungen von TensorFlow für den Pi in seinem aktuellen Zustand. Es ist voll funktionsfähig, beschleunigt jedoch die Rechenfähigkeiten des Pi. Wie bei allen neuen Technologien ist diese frühzeitige Implementierung ein Blick in die Zukunft von Smart-Home-Geräten.

Autonomes RC-Auto von TensorFlow

Angesichts der Geschichte von Google mit selbstfahrenden Autos Funktionsweise von selbstfahrenden Autos: Die Nuts and Bolts hinter dem autonomen Autoprogramm von Google Die Funktionsweise von selbstfahrenden Autos: Die Nuts and Bolts hinter dem autonomen Autoprogramm von Google In der Lage sein, zur Arbeit hin und her zu pendeln Schlafen, Essen oder Aufrufen Ihrer Lieblingsblogs ist ein Konzept, das gleichermaßen ansprechend und scheinbar weit weg und zu futuristisch ist, um tatsächlich zu geschehen. Lesen Sie mehr, es ist keine Überraschung, dass TensorFlow sich gut für autonomes Fahren eignet.

Der DeepPiCar ist ein hervorragendes Beispiel für ein solches neuronales Netzwerk in Aktion. Neben der Standardfernbedienung verfügt dieser Raspberry Pi-Roboter über ein etwas klügeres Gerät. Ausgehend von einem auf der GitHub-Projektseite bereitgestellten Dataset lernt das Netzwerk, auf einer vorgegebenen Spur zu bleiben.

Dieses Projekt ist nicht für Anfänger. Die benötigte Hardware kann in fast jedem billigen Roboterkit gefunden werden. Die Software-Implementierung erfordert etwas tieferes Wissen. Sie sollten maschinelles Lernen beherrschen, bevor Sie es anwenden.

Gurken-Auto-Sorter

Eine der bekanntesten Implementierungen von TensorFlow auf dem Pi, der Gurkensortierer von Makoto Koike, ist ein Zeichen für zukünftige Entwicklungen.

Das Sortieren von Frischwaren für verschiedene Märkte ist für kleinere Anbieter mit enormen Kosten verbunden. Das Sortieren von Gurken nach Größe und Qualität ist eine Aufgabe, die bis vor kurzem nur von einem Bediener ausgeführt werden konnte. Maschinensortierung war sehr schwierig und kostspielig. TensorFlow löst dieses Problem, indem es Gurken in Echtzeit über die Kamera kategorisiert.

Mit über 7000 Gurkenbildern trainierte Makoto ein neuronales Netzwerk, um zwischen verschiedenen Typen zu unterscheiden. Im Betrieb erfassen Webcams Bilder aus drei Blickwinkeln. Der Pi klassifiziert die Images, bevor sie zur weiteren Klassifizierung an einen Linux-Server weitergeleitet werden. Das Ergebnis löst ein Transportband- und Servosystem aus, das die Gurken in Kästen einsortiert.

Der Anfang von etwas Smartem

Wir haben gesehen, wie Raspberry Pi für alles verwendet wurde, was 20 Awesome Uses für einen Raspberry Pi bedeutet. 20 Awesome Uses für einen Raspberry Pi. Bei so vielen coolen Projekten für den Raspberry Pi ist es schwer zu entscheiden, was man machen soll. In diesem Mega-Guide fassen wir 20 der besten Projekte zusammen! Lesen Sie mehr, daher ist es nicht überraschend, dass TensorFlow hier angekommen ist. Das Pi hat Schwierigkeiten, mit den Anforderungen des maschinellen Lernens Schritt zu halten, aber es ist großartig für das Erlernen der Grundlagen. Was ist maschinelles Lernen? Der kostenlose Google-Kurs bricht für Sie ein Was ist Maschinelles Lernen? Mit dem kostenlosen Google-Kurs brechen wir Sie ab Google hat einen kostenlosen Online-Kurs entwickelt, der Ihnen die Grundlagen des maschinellen Lernens vermittelt. Weiterlesen .

Erfahren Sie mehr über: Google TensorFlow, Raspberry Pi.