Google TensorFlow और रास्पबेरी पाई का उपयोग करके DIY AI प्रोजेक्ट कैसे बनाएं

विज्ञापन

मशीन लर्निंग हर किसी के होंठ पर विषय है। यह देखना आसान है कि क्यों यह डेटा हेरफेर का भविष्य है और पहले से ही लगभग हर आधुनिक व्यवसाय सेटिंग में इसका उपयोग किया जाता है। लेकिन क्या इसे रास्पबेरी पाई के साथ जोड़ा जा सकता है? क्या काम करने वाले तंत्रिका नेटवर्क को बनाए रखने के लिए पाई ऊपर है? Google TensorFlow के साथ, यह कर सकता है!

उपयोग के कुछ उदाहरणों के साथ रास्पबेरी पाई पर TensorFlow स्थापित करने का तरीका यहां दिया गया है।

TensorFlow क्या है?

TensorFlow का उपयोग कैसे किया जाता है, इसके उदाहरणों में गोता लगाने से पहले, यह जानने के लायक है कि यह वास्तव में क्या है।

संक्षेप में, TensorFlow Google का ट्रेन करने योग्य तंत्रिका नेटवर्क है, जो कई अलग-अलग कार्य कर सकता है। उपयोगकर्ता-क्यूरेट किए गए डेटासेट से सक्रिय रूप से सीखकर, TensorFlow तंत्रिका नेटवर्क नए डेटा दिए जाने पर सटीक भविष्यवाणी करता है।

संक्षेप में, TensorFlow तंत्रिका नेटवर्क सोच.

हमारी सूची की जाँच करें तन्द्रा प्रवाह उदाहरण Google TensorFlow क्या है? ओपन-सोर्स उदाहरण और ट्यूटोरियलTensorFlow, मशीन सीखने और तंत्रिका नेटवर्क। यहां बताया गया है कि यह क्या है, यह क्यों उपयोगी है और इसे कैसे सीखा जाए, का एक त्वरित अवलोकन है।

अधिक पढ़ें अधिक जानकारी के लिए।

TensorFlow कैसे स्थापित करें

मशीन लर्निंग के विषय को समझने के लिए गंभीर अध्ययन करना पड़ता है, लेकिन बेसिक TensorFlow का उपयोग करना आसान है। हमारी TensorFlow ट्यूटोरियल के साथ छवि मान्यता TensorFlow और रास्पबेरी पाई का उपयोग करके छवि मान्यता के साथ आरंभ करेंछवि पहचान के साथ पकड़ना चाहते हैं? Tensorflow और रास्पबेरी पाई के लिए धन्यवाद, आप तुरंत शुरू कर सकते हैं। अधिक पढ़ें अपने पाई पर पुस्तकालय स्थापित करने को शामिल किया गया। इसमें इसका परीक्षण भी शामिल है, और मूल इंसेप्शन इमेज वर्गीकरण कार्यक्रम चल रहा है।

इस उदाहरण में, TensorFlow पहले से ही प्रशिक्षित तंत्रिका नेटवर्क प्रदान करता है। सभी उपयोगकर्ता को सही डेटा प्रकार इनपुट करना होगा, और TensorFlow अनुमान लगाएगा कि छवि में क्या है। यहां तक ​​कि TensorFlow का मूल कार्यान्वयन 1000 कक्षाओं में छवियों को वर्गीकृत करने में सक्षम है। यह एक आश्चर्यजनक राशि सही हो जाता है!

लेकिन आप रास्पबेरी पाई पर TensorFlow के साथ और क्या कर सकते हैं?

हमने कवर किया है कैसे एक स्मार्ट वेब कैमरा बनाने के लिए रास्पबेरी पाई के साथ DIY पान और झुकाव नेटवर्क सुरक्षा कैमजानें कि रास्पबेरी पाई के साथ दूर से देखने योग्य पैन और झुकाव सुरक्षा कैमरा कैसे बनाया जाए। यह परियोजना सुबह में केवल सबसे सरल भागों के साथ पूरी की जा सकती है। अधिक पढ़ें पहले, लेकिन यह बात कर रहे मोबाइल छवि क्लासिफायरफ़ायर इसे एक नए स्तर पर ले जाता है।

यह विस्तृत पोस्ट हार्डवेयर सेटअप और कस्टम सॉफ़्टवेयर को इनसेप्शन इमेज क्लासिफायरियर के साथ एकीकृत करता है। उदाहरण कोड दिखाता है कि किसी प्रोजेक्ट के साथ TensorFlow को एकीकृत करना कितना आसान है (बशर्ते आप इसके साथ सहज हों पायथन प्रोग्रामिंग भाषा की मूल बातें 5 पाठ्यक्रम जो आपको पायथन बिगिनर से प्रो तक ले जाएंगेये पांचों पाठ्यक्रम आपको पायथन में प्रोग्रामिंग के बारे में सिखाएंगे, जो अभी वहां की सबसे गर्म भाषाओं में से एक है। अधिक पढ़ें ). छवि पहचानने की प्रक्रिया के बारे में लेख बहुत विस्तार से बताता है। यह सामान्य रूप से क्षेत्र में रुचि रखने वाले किसी भी व्यक्ति के लिए एक उत्कृष्ट संसाधन है।

इस सेटअप का एक उत्कृष्ट तत्व शुरू में स्पष्ट नहीं हो सकता है:

"एक जोड़ा बोनस कई इंगित करता है कि, एक बार स्थापित होने के बाद, कोई इंटरनेट एक्सेस की आवश्यकता नहीं है।"

पिछली छवि मान्यता हमेशा प्रसंस्करण समय, या इंटरनेट कनेक्शन की एक बड़ी मात्रा पर निर्भर करती है। एक Pi हमेशा क्लाउड पर जानकारी को बंद नहीं कर सकता है, और सीमित प्रसंस्करण शक्ति है। यह समाधान है, एक स्व-निहित ऑफ़लाइन ऑब्जेक्ट पहचानकर्ता जिसे आप घर पर बना सकते हैं। यह आपको यह भी बताएगा कि यह क्या देख रहा है। क्या भविष्य अद्भुत नहीं है?

घर का बना स्मार्ट (या "जादू") दर्पण हैं सबसे अच्छी बात के बारे में आप निर्माण कर सकते हैं मैजिक मिरर में एक पुराने लैपटॉप स्क्रीन को कैसे चालू करेंस्मार्ट दर्पण अद्वितीय उपकरण हैं जिनका उपयोग आप अपने घर में कुछ जादू को इंजेक्ट करने के लिए कर सकते हैं। हम आपको दिखाते हैं कि कैसे एक रास्पबेरी पाई के साथ निर्माण किया जाए। अधिक पढ़ें . बुनियादी उपकरण की आपूर्ति के साथ केवल एक पाई और एक पुरानी लैपटॉप स्क्रीन की आवश्यकता है, यह एक महान शुरुआती परियोजना है। अलास्दैर एलन ने औसत स्मार्ट दर्पण के लिए बसने का फैसला किया और निर्माण किया TensorFlow जादू दर्पण आवाज पहचान के साथ।

वेब-आधारित भाषण मान्यता की लागत से असंतुष्ट, अलासैदर ने टेन्सरफ्लो पर एक ऑफ़लाइन विकल्प के रूप में फैसला किया। पहले से उपयोग किए गए TensorFlow के प्रचलित आवाज पहचान मॉडल को एकीकृत करना AIY किट कोड परियोजना के लिए कस्टम वेक शब्द जोड़ता है।

Google ने 65,000 से अधिक भीड़ वाले शब्दों के साथ एक डेटासेट इकट्ठा किया। इस ओपन-सोर्स डेटासेट ने तंत्रिका जाल को कुछ शब्दों को समझने के लिए प्रशिक्षित किया।

इस मामले में, इसने कई संभव वेक शब्द जोड़े लेकिन अभी भी एक परिचित मशीन सीखने की समस्या में चलता है: यह एक तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए बहुत अधिक डेटा लेता है।

जब तक आप हजारों प्रविष्टियों के साथ एक अद्वितीय डेटासेट बनाने के लिए तैयार नहीं होते हैं, तब तक आप सीमित रूप से उपलब्ध हैं। यह परियोजना अपने वर्तमान राज्य में पाई पर TensorFlow की सीमाओं को दिखाती है। यह पूरी तरह कार्यात्मक है, लेकिन पाई की कम्प्यूटेशनल क्षमताओं को धक्का देता है। सभी नई तकनीकों के साथ, यह प्रारंभिक कार्यान्वयन स्मार्ट होम उपकरणों के भविष्य में एक झलक है।

Google का दिया सेल्फ ड्राइविंग कारों के साथ इतिहास कैसे सेल्फ-ड्राइविंग कारें काम करती हैं: Google की स्वायत्त कार कार्यक्रम के पीछे पागल और बोल्टसोते हुए, भोजन करते हुए, या अपने पसंदीदा पर पकड़ते हुए काम करने के लिए आगे-पीछे होने में सक्षम होना ब्लॉग एक अवधारणा है जो वास्तव में समान रूप से आकर्षक और प्रतीत होता है और वास्तव में बहुत दूरदर्शी है होता है। अधिक पढ़ें , यह कोई आश्चर्य की बात नहीं है कि TensorFlow स्वायत्त ड्राइविंग के लिए अच्छी तरह से अनुकूल है।

DeepPiCar कार्रवाई में तंत्रिका नेटवर्क के इस तरह का एक उत्कृष्ट उदाहरण है। मानक रिमोट कंट्रोल के साथ-साथ यह रास्पबेरी पाई रोबोट पूरी तरह से चतुर है। GitHub प्रोजेक्ट पेज पर दिए गए डेटासेट पर प्रशिक्षित, नेटवर्क एक पूर्व निर्धारित ट्रैक पर रहना सीखता है।

यह परियोजना शुरुआती लोगों के लिए नहीं है। आवश्यक हार्डवेयर लगभग किसी भी सस्ते रोबोट किट में पाया जा सकता है। सॉफ्टवेयर कार्यान्वयन कुछ अधिक गहन ज्ञान लेता है। इसे लेने से पहले आपको मशीन सीखने की अच्छी समझ होनी चाहिए।

पाई पर TensorFlow की सबसे प्रसिद्ध तैनाती में से एक, माकोतो कोइके का ककड़ी का सौदागर आने वाली चीजों का संकेत है।

विभिन्न बाजारों के लिए ताजा उपज की छंटाई छोटे प्रदाताओं के लिए एक बड़ी लागत है। आकार और गुणवत्ता के अनुसार खीरे को छांटना एक काम है जो हाल ही में केवल एक मानव ऑपरेटर द्वारा किया जा सकता है। मशीन छँटाई को प्राप्त करना बहुत मुश्किल था, और महंगा था। TensorFlow कैमरे के माध्यम से वास्तविक समय में खीरे को वर्गीकृत करके इस समस्या को हल करता है।

खीरे की 7000 से अधिक छवियों का उपयोग करते हुए, Makoto ने विभिन्न प्रकारों के बीच अंतर करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित किया। ऑपरेशन में, वेबकैम तीन कोणों से छवियों को कैप्चर करता है। आगे के वर्गीकरण के लिए लिनक्स सर्वर पर अग्रेषित करने से पहले, पीआई छवियों को वर्गीकृत करता है। परिणाम एक कन्वेयर बेल्ट और सर्वो प्रणाली को ट्रिगर करता है जो खीरे को बक्से में क्रमबद्ध करता है।

स्टार्ट ऑफ़ समथिंग स्मार्ट

हमने देखा है रास्पबेरी पाई का उपयोग हर चीज के लिए किया जाता है एक रास्पबेरी पाई के लिए 26 भयानक उपयोगआपको किस रास्पबेरी पाई परियोजना के साथ शुरू करना चाहिए? यहाँ सबसे अच्छा रास्पबेरी पाई का उपयोग करता है और चारों ओर परियोजनाओं! अधिक पढ़ें , इसलिए यह इस बात पर अचंभित है कि TensorFlow इस पर आ गया है। पाई मशीन लर्निंग की मांगों के साथ संघर्ष करता है, लेकिन यह है मूल बातें सीखने के लिए बहुत अच्छा है मशीन लर्निंग क्या है? Google का नि: शुल्क पाठ्यक्रम आपके लिए इसे तोड़ता हैGoogle ने आपको मशीन सीखने के मूल सिद्धांतों को सिखाने के लिए एक मुफ्त ऑनलाइन पाठ्यक्रम तैयार किया है। अधिक पढ़ें .