Como criar projetos de IA de bricolage usando o Google TensorFlow e Raspberry Pi

Propaganda

O aprendizado de máquina é o tópico nos lábios de todos. É fácil ver o porquê. É o futuro da manipulação de dados e já é usado em quase todos os ambientes de negócios modernos. Mas pode ser combinado com um Raspberry Pi? O Pi está preparado para sustentar uma rede neural funcional? Com o Google TensorFlow, ele pode!

Veja como instalar o TensorFlow em um Raspberry Pi, com alguns exemplos de uso.

O que é o TensorFlow?

Antes de mergulhar em exemplos de como o TensorFlow é usado, vale a pena saber o que realmente é.

Em resumo, o TensorFlow é a rede neural treinável do Google, que pode executar muitas tarefas diferentes. Ao aprender ativamente a partir de um conjunto de dados organizado pelo usuário, as redes neurais do TensorFlow fazem previsões precisas quando recebem novos dados.

Em resumo, as redes neurais TensorFlow pensar.

Confira nossa lista de Exemplos de Tensorflow O que é o Google TensorFlow? Exemplos de código aberto e tutoriaisTensorFlow, aprendizado de máquina e redes neurais. Aqui está uma rápida visão geral do que é, por que é útil e como aprendê-lo.

consulte Mais informação Para maiores informações.

Como instalar o TensorFlow

Embora a compreensão do assunto do aprendizado de máquina exija estudos sérios, é fácil seguir o uso básico do TensorFlow. Nosso Tutorial sobre reconhecimento de imagem com TensorFlow Introdução ao reconhecimento de imagens usando o TensorFlow e o Raspberry PiDeseja entender o reconhecimento de imagem? Graças ao Tensorflow e um Raspberry Pi, você pode começar imediatamente. consulte Mais informação abrange a instalação da biblioteca no seu Pi. Ele também abrange testá-lo e executar o programa básico de classificação de imagens do Inception.

Nesse caso, o TensorFlow fornece uma rede neural já treinada. Tudo o que o usuário deve fazer é inserir o tipo de dados correto e o TensorFlow irá adivinhar o que a imagem contém. Até a implementação básica do TensorFlow é capaz de classificar imagens em 1000 classes. Fica uma quantidade surpreendente correta!

Mas o que mais você pode fazer com o TensorFlow no Raspberry Pi?

Nós cobrimos como fazer uma webcam inteligente Câmera de segurança de rede de pan e tilt DIY com Raspberry PiAprenda a criar uma câmera de segurança panorâmica e inclinável remotamente com um Raspberry Pi. Este projeto pode ser concluído em uma manhã apenas com as peças mais simples. consulte Mais informação antes, mas este classificador de imagem móvel falante leva para um novo nível.

Esta publicação detalhada descreve a configuração de hardware e o software personalizado integrados ao classificador de imagens do Inception. O código de exemplo mostra como é fácil integrar o TensorFlow a um projeto (desde que você se sinta confortável com o noções básicas da linguagem de programação Python 5 cursos que levarão você do Python Beginner ao ProEsses cinco cursos ensinarão tudo sobre programação em Python, uma das linguagens mais populares do momento. consulte Mais informação ). O artigo entra em grandes detalhes sobre o processo de reconhecimento de imagem. É um excelente recurso em geral para qualquer pessoa interessada no campo.

Um excelente elemento dessa configuração pode não estar inicialmente claro:

“Um bônus adicional que muitos apontaram é que, uma vez instalado, não é necessário acesso à Internet.”

O reconhecimento de imagem anterior sempre contou com uma quantidade enorme de tempo de processamento ou com uma conexão à Internet. Um Pi nem sempre pode transmitir informações para a nuvem e possui poder de processamento limitado. Esta é a solução, um reconhecedor de objetos offline independente que você pode criar em casa. Ele até diz para o que está olhando. O futuro não é maravilhoso?

Espelhos inteligentes (ou "mágicos") caseiros são sobre a coisa mais legal que você pode construir Como transformar uma tela antiga do laptop em um espelho mágicoEspelhos inteligentes são dispositivos únicos que você pode usar para injetar um pouco de magia em sua casa. Nós mostramos como criar um com um Raspberry Pi. consulte Mais informação . Exigir apenas um Pi e uma tela de laptop antiga, juntamente com suprimentos básicos de bricolage, é um ótimo projeto para iniciantes. Alasdair Allan decidiu não se contentar com o espelho inteligente médio e construiu o Espelho mágico TensorFlow com reconhecimento de voz.

Insatisfeita com o custo do reconhecimento de fala na Web, a Alasdair decidiu usar o TensorFlow como uma alternativa offline. Integrar o modelo de reconhecimento de voz pré-treinado do TensorFlow no já utilizado AIY kit O código adiciona palavras de ativação personalizadas ao projeto.

O Google montou um conjunto de dados com mais de 65.000 palavras de crowdsourcing. Esse conjunto de dados de código aberto treinou a rede neural para entender algumas palavras.

Nesse caso, ele adicionou várias palavras de ativação possíveis, mas ainda encontra um problema familiar de aprendizado de máquina: são necessários muitos dados para treinar uma rede neural.

A menos que você esteja disposto a criar um conjunto de dados exclusivo com dezenas de milhares de entradas, você estará limitado ao que está disponível gratuitamente. Este projeto mostra as limitações do TensorFlow no Pi em seu estado atual. É totalmente funcional, mas aumenta os recursos computacionais do Pi. Como em todas as novas tecnologias, essa implementação inicial é um vislumbre do futuro dos dispositivos domésticos inteligentes.

Dado o Google história com carros autônomos Como funcionam os carros autônomos: as porcas e os parafusos por trás do programa de carros autônomos do GoogleSer capaz de ir e vir para o trabalho enquanto dorme, come ou atualiza seu favorito blogs é um conceito igualmente atraente e aparentemente distante e futurista demais para realmente acontecer. consulte Mais informação , não é surpresa que o TensorFlow seja adequado para direção autônoma.

o DeepPiCar é um excelente exemplo desse tipo de rede neural em ação. Além do controle remoto padrão, esse robô Raspberry Pi apresenta algo totalmente mais inteligente. Treinada em um conjunto de dados fornecido na página do projeto GitHub, a rede aprende a permanecer em uma faixa predeterminada.

Este projeto não é para iniciantes. O hardware necessário pode ser encontrado em praticamente qualquer kit de robô barato. A implementação do software requer um conhecimento mais aprofundado. Você deve ter uma boa noção do aprendizado de máquina antes de iniciá-lo.

Uma das implantações mais conhecidas do TensorFlow no Pi, Classificador de pepino de Makoto Koike é um sinal do que está por vir.

A seleção de produtos frescos para diferentes mercados é um custo enorme para fornecedores menores. A classificação dos pepinos por tamanho e qualidade é uma tarefa que, até recentemente, só podia ser realizada por um operador humano. A triagem de máquinas era muito difícil de conseguir e cara. O TensorFlow resolve esse problema categorizando os pepinos em tempo real via câmera.

Usando mais de 7000 imagens de pepinos, Makoto treinou uma rede neural para distinguir entre diferentes tipos. Em operação, as webcams capturam imagens de três ângulos. O Pi classifica as imagens, antes de encaminhá-las para um servidor Linux para posterior classificação. O resultado aciona uma correia transportadora e um sistema servo que classifica os pepinos em caixas.

O início de algo inteligente

Vimos Raspberry Pi é usado para tudo 26 usos impressionantes para um Raspberry PiCom qual projeto Raspberry Pi você deve começar? Aqui está nosso resumo dos melhores usos e projetos do Raspberry Pi! consulte Mais informação , portanto, não surpreende que o TensorFlow tenha chegado a ele. O Pi luta para acompanhar as demandas do aprendizado de máquina, mas é ótimo para aprender o básico O que é aprendizado de máquina? Curso gratuito do Google detalha tudo para vocêO Google criou um curso on-line gratuito para ensinar os fundamentos do aprendizado de máquina. consulte Mais informação .