最后,是时候安装TensorFlow了。安装的方法有许多,但实际上TensorFlow配有makefile文件,能让你把它正确安装到系统上。安装过程需要几个小时,还会出现一些dependency,不过对我来说还算顺利。 TensorFlow附带有一个叫做“inception”的预制模型,能实现物体识别。你可以按照教程运行它。 用摄像机的一张图像运行 tensorflow/contrib/pi_examples/label_image/gen/bin/label_image,会输出前5个猜想。模型对很大范围的各种输入都运行得很好,但它显然缺少准确的“prior”,或是说缺少对“可能会看到的东西”的感知,而且训练数据中有相当多的对象丢失了。例如,它能一直认得我的笔记本电脑,即使是从奇怪的角度看;但当我把它开到散乱的电线篮前,它会以为那是一个烤面包机。如果摄像头被挡住,它得到的图像变暗或模糊了,它会以为它看到的是线虫——显然是它曾被训练的数据中的人造物品。
图6:接入我的键盘和显示器的机器人 最后,我把输出连接到能进行文本-语音转换的Flite开源软件包,以让机器人说话,告诉大家它看到了什么(图6)。 测试机器人 这是我的两个运用深度学习进行物体识别的自制机器人。 后记 我从2003年到2005年在斯坦福机器人实验室工作,那儿的机器人耗资数百万美元,在物体识别方便却还不如我的小机器人。我已经迫不及待想用这些软件来做一架无人驾驶飞机,以后就再也不用找钥匙了。 我想感谢所有帮助我完成这个有趣的项目的人。我的邻居Chris Van Dyke和Shruti Gandhi帮我把机器人打扮得很有个性。我的朋友Ed McCullough对硬件设计做了很大改善,还教我使用热熔胶和塑料板。在 Google 工作的 Pete Warden 帮我把 TensorFlow 编译得适用 Raspberry Pi,还给我提供了许多客户支持。 【作者介绍】Lukas Biewald 是 CrowdFlower的创立者和CEO。CrowdFlower创于2009年,是一个数据扩充平台,通过挖掘按需劳动力帮助企业收集训练数据和进行人参与在回路中的机器学习。Lukas Biewald 拥有斯坦福大学数学理科学士和计算机科学硕士学位,曾领导Yahoo! Japan的搜索团队。他随后在Powerset做高级数据科学家,Powerset在2008年被微软收购。 原文链接:https://www.oreilly.com/learning/how-to-build-a-robot-that-sees-with-100-and-tensorflow (责任编辑:本港台直播) |