Anuncio
El aprendizaje automático es el tema en boca de todos. Es fácil ver por qué. Es el futuro de la manipulación de datos y ya se usa en casi todos los entornos empresariales modernos. Pero, ¿se puede combinar con una Raspberry Pi? ¿El Pi está a la altura de la tarea de mantener una red neuronal que funcione? Con Google TensorFlow, ¡puede!
Aquí se explica cómo instalar TensorFlow en una Raspberry Pi, con algunos ejemplos de uso.
¿Qué es TensorFlow?
Antes de sumergirse en ejemplos de cómo se usa TensorFlow, vale la pena saber qué es realmente.
En resumen, TensorFlow es la red neuronal entrenable de Google, que puede realizar muchas tareas diferentes. Al aprender activamente de un conjunto de datos curado por el usuario, las redes neuronales TensorFlow hacen predicciones precisas cuando se les dan datos nuevos.
En resumen, las redes neuronales TensorFlow pensar.
Mira nuestra lista de Ejemplos de Tensorflow ¿Qué es Google TensorFlow? Ejemplos de código abierto y tutorialesTensorFlow, aprendizaje automático y redes neuronales. Aquí hay una descripción rápida de lo que es, por qué es útil y cómo aprenderlo. Lee mas para más información.
Cómo instalar TensorFlow
Si bien la comprensión del tema del aprendizaje automático requiere un estudio serio, el uso básico de TensorFlow es fácil de seguir. Nuestra Tutorial de reconocimiento de imagen con TensorFlow Comience con el reconocimiento de imágenes con TensorFlow y Raspberry Pi¿Quiere familiarizarse con el reconocimiento de imágenes? Gracias a Tensorflow y una Raspberry Pi, puede comenzar de inmediato. Lee mas cubre la instalación de la biblioteca en su Pi. También cubre probarlo y ejecutar el programa básico de clasificación de imágenes Inception.
En este caso, TensorFlow proporciona una red neuronal ya entrenada. Todo lo que el usuario debe hacer es ingresar el tipo de datos correcto, y TensorFlow adivinará lo que contiene la imagen. Incluso la implementación básica de TensorFlow es capaz de clasificar imágenes en 1000 clases. Se pone una cantidad sorprendente correcta!
¿Pero qué más puedes hacer con TensorFlow en Raspberry Pi?
Hemos cubierto cómo hacer una cámara web inteligente Cámara de seguridad de red DIY Pan and Tilt con Raspberry PiAprenda a hacer una cámara de seguridad de giro e inclinación visible de forma remota con una Raspberry Pi. Este proyecto se puede completar en una mañana con solo las partes más simples. Lee mas antes pero este clasificador de imagen móvil parlante lo lleva a un nuevo nivel.
Esta publicación detallada describe la configuración del hardware y el software personalizado integrado con el clasificador de imágenes Inception. El código de ejemplo muestra lo fácil que es integrar TensorFlow con un proyecto (siempre que se sienta cómodo con el conceptos básicos del lenguaje de programación Python 5 cursos que te llevarán de Python principiante a profesionalEstos cinco cursos le enseñarán todo sobre programación en Python, uno de los lenguajes más populares que existen en este momento. Lee mas ). El artículo entra en gran detalle sobre el proceso de reconocimiento de imágenes. Es un excelente recurso en general para cualquier persona interesada en el campo.
Un elemento excelente de esta configuración puede no estar inicialmente claro:
"Una ventaja adicional que muchos señalaron es que, una vez instalado, no se requiere acceso a Internet".
El reconocimiento de imágenes anterior siempre se ha basado en una gran cantidad de tiempo de procesamiento o en una conexión a Internet. Un Pi no siempre puede transmitir información a la nube y tiene un poder de procesamiento limitado. Esta es la solución, un reconocedor de objetos fuera de línea autónomo que puede hacer en casa. Incluso te dirá lo que está mirando. ¿No es maravilloso el futuro?
Los espejos caseros inteligentes (o "mágicos") son sobre lo mejor que puedes construir Cómo convertir una vieja pantalla de computadora portátil en un espejo mágicoLos espejos inteligentes son dispositivos únicos que puede usar para inyectar algo de magia en su hogar. Te mostramos cómo construir uno con una Raspberry Pi. Lee mas . Requerir solo un Pi y una vieja pantalla de computadora portátil junto con suministros básicos de bricolaje, es un gran proyecto para principiantes. Alasdair Allan decidió no conformarse con el espejo inteligente promedio y construyó el TensorFlow espejo mágico con reconocimiento de voz.
Insatisfecho con el costo del reconocimiento de voz basado en la web, Alasdair decidió utilizar TensorFlow como una alternativa fuera de línea. Integrando el modelo de reconocimiento de voz previamente entrenado de TensorFlow en el ya utilizado Kit AIY el código agrega palabras de activación personalizadas al proyecto.
Google reunió un conjunto de datos con más de 65,000 palabras de crowdsourcing. Este conjunto de datos de código abierto entrenó a la red neuronal para comprender algunas palabras.
En este caso, agregó varias posibles palabras de activación, pero aún se encuentra con un problema familiar de aprendizaje automático: se necesitan muchos datos para entrenar una red neuronal.
A menos que esté dispuesto a crear un conjunto de datos único con decenas de miles de entradas, está limitado a lo que está disponible gratuitamente. Este proyecto muestra las limitaciones de TensorFlow en el Pi en su estado actual. Es completamente funcional pero impulsa las capacidades computacionales de Pi. Al igual que con todas las nuevas tecnologías, esta implementación temprana es un vistazo al futuro de los dispositivos domésticos inteligentes.
Dado el de Google historia con autos sin conductor Cómo funcionan los automóviles autónomos: las tuercas y tornillos detrás del programa de automóviles autónomos de GooglePoder viajar de ida y vuelta al trabajo mientras duerme, come o se pone al día con su favorito blogs es un concepto igualmente atractivo y aparentemente lejano y demasiado futurista para realmente suceder. Lee mas , no sorprende que TensorFlow se adapte bien a la conducción autónoma.
los DeepPiCar es un excelente ejemplo de este tipo de red neuronal en acción. Junto con el control remoto estándar, este robot Raspberry Pi presenta algo más inteligente. Formada en un conjunto de datos proporcionado en la página del proyecto GitHub, la red aprende a mantenerse en una pista predeterminada.
Este proyecto no es para principiantes. El hardware requerido se puede encontrar en casi cualquier kit de robot barato. La implementación del software requiere un conocimiento más profundo. Debe tener una buena comprensión del aprendizaje automático antes de comenzar.
Una de las implementaciones más conocidas de TensorFlow en Pi, Seleccionadora de pepinos de Makoto Koike es una señal de lo que vendrá.
La clasificación de productos frescos para diferentes mercados es un costo enorme para los proveedores más pequeños. Ordenar pepinos por tamaño y calidad es una tarea que hasta hace poco solo podía ser realizada por un operador humano. La clasificación por máquina fue muy difícil de lograr y costosa. TensorFlow resuelve este problema al clasificar los pepinos en tiempo real a través de la cámara.
Utilizando más de 7000 imágenes de pepinos, Makoto entrenó una red neuronal para distinguir entre diferentes tipos. En funcionamiento, las cámaras web capturan imágenes desde tres ángulos. El Pi clasifica las imágenes, antes de reenviarlas a un servidor Linux para su posterior clasificación. El resultado desencadena una cinta transportadora y un sistema servo que clasifica los pepinos en cajas.
El comienzo de algo inteligente
Hemos visto Raspberry Pi se usa para todo 26 usos impresionantes para una Raspberry Pi¿Con qué proyecto de Raspberry Pi deberías comenzar? ¡Aquí está nuestro resumen de los mejores usos y proyectos de Raspberry Pi! Lee mas , por lo que no es sorprendente que TensorFlow haya llegado a él. El Pi lucha por mantenerse al día con las demandas del aprendizaje automático, pero es ideal para aprender lo básico ¿Qué es el aprendizaje automático? El curso gratuito de Google lo desglosa por tiGoogle ha diseñado un curso en línea gratuito para enseñarle los fundamentos del aprendizaje automático. Lee mas .
Ian Buckley es periodista independiente, músico, intérprete y productor de video que vive en Berlín, Alemania. Cuando no está escribiendo o en el escenario, está jugando con la electrónica o el código de bricolaje con la esperanza de convertirse en un científico loco.