Bagaimana Raspberry Pi Dapat Digunakan Untuk Aplikasi Machine Learning

Raspberry pi, komputer kecil berbasis chip yang pertama kali diperkenalkan kepada siswa sekolah, telah berkembang pesat sejak saat itu. Sekarang telah berkembang untuk melakukan tugas-tugas seperti pengenalan wajah dan pengenalan objek. Meskipun merupakan komputer papan tunggal, ini berguna dengan cara yang kuat dan dapat digunakan dan akrab dengan “Linux-head” mana pun.

Raspberry Pi Bertemu dengan Pembelajaran Mesin Machine
Berikut adalah beberapa contoh di mana Raspberry Pi telah digunakan dalam kombinasi dengan sumber daya lain untuk aplikasi ML:

TensorFlow: Raspberry Pi, bila digunakan dengan kombinasi sumber daya lain seperti TensorFlow dan Python dapat memiliki berbagai aplikasi. TensorFlow, pustaka perangkat lunak sumber terbuka untuk aliran data oleh Google juga dapat digunakan untuk bekerja dengan Raspberry Pi. Ini memiliki kemampuan komputasi numerik berkinerja tinggi dan dikembangkan oleh para peneliti dan insinyur dari Google Brain, tim peneliti Google berbasis AI, yang menggunakan perpustakaan terbuka ini untuk ML dan pembelajaran mendalam.

Menggunakan TensorFlow dengan Raspberry Pi, aplikasi seperti deteksi objek dalam video dimungkinkan. Mendeteksi apakah ada anjing di video atau rumah, untuk memeriksa apakah ada area parkir yang tersedia di depan tempat kerja Anda, membangun head unit mobil Anda sendiri atau membangun robot yang memilih permainan terbaik untuk dibuat dalam permainan kartu adalah semua mungkin. Aplikasi lain adalah Mobil Keledai yang dapat mengemudi sendiri, yang dapat dibuat dengan biaya yang sangat murah menggunakan TensorFlow.

Google AIY Kit: Kit Google, Artificial Intelligence Yourself (AIY) adalah salah satu platform untuk memperkenalkan pembelajaran mesin pada chip Raspberry Pi. Kit pertama mereka menyediakan cara untuk melakukan interaksi suara menggunakan Raspberry Pi. Ini memungkinkan Anda membangun prosesor bahasa Anda sendiri dan menghubungkannya ke Google Assistant, semua ini disimpan dalam kotak kecil yang didukung oleh Raspberry Pi. Proyek AIY kedua juga didasarkan pada Raspberry Pi tetapi sebagai pengganti suara sekarang, mereka memiliki kit visi yang berbasis di sekitar Pi Bonnet, yang didasarkan pada Raspberry Pi Phat (versi sebagian dari Raspberry Pi Hat). Bahkan kemudian, AIY mengumumkan kit yang memiliki kombinasi keduanya, suara dan penglihatan, dan itu termasuk Raspberry Pi Zero W, yang merupakan versi lain dari Raspberry Pi dan bahkan yang lebih kuat.

Penyortiran Gambar: Banyak aplikasi kompleks dan berskala besar lainnya dimungkinkan. Misalnya, seorang desainer sistem tertanam dari industri bernama Makoto Koike mengembangkan sistem penyortiran mentimun yang menggunakan Raspberry Pi 3 sebagai pengontrol utama untuk mengambil gambar mentimun. Setelah gambar diambil, dan karena Raspberry Pi memiliki kemampuan untuk menjalankan jaringan saraf dalam, ia menjalankan jaringan saraf skala kecil di TensorFlow untuk mengklasifikasikan apakah gambar tersebut mentimun atau tidak. Ini kemudian dikirim ke jaringan Linux untuk menjalankan tingkat klasifikasi lebih lanjut. Mikro Arduino mengontrol motor konveyor dan servo dan menyortir mentimun sesuai dengan klasifikasi yang diumpankan. Chip Raspberry Pi, bersama dengan TensorFlow digunakan untuk mengenali mentimun saat berjalan di sepanjang konveyor dan mengirimkan foto ke Google Cloud untuk diproses lebih lanjut.

Para astronot membuat virtual co-pilot menggunakan Raspberry Pi melalui sistem pembelajaran mesin yang disebut solar Pilot Guard, untuk mencegah terjadinya kecelakaan pesawat. Proyek ini berhasil dengan bantuan Raspberry Pi dan Wolfram. Alarm Aurora, penemuan hiper musik, ucapan ke teks adalah beberapa aplikasi pembelajaran mesin lainnya.

OpenCV adalah perpustakaan Open Source Computer Vision untuk penggunaan pembelajaran mesin, yang bertujuan untuk meningkatkan penggunaan mesin dalam produk komersial, juga memiliki aplikasi seperti deteksi objek dan deteksi wajah, ketika didukung dengan Raspberry Pi.

Di Mana Mereka Kurang?
Meskipun telah digunakan untuk banyak aplikasi, Raspberry Pi tidak dapat bersaing dengan aplikasi pembelajaran mesin yang lebih canggih dan canggih. Itu tidak memiliki perangkat keras yang tepat untuk proses komputasi yang berat, karena memiliki RAM dan kecepatan prosesor yang tidak mencukupi. Itulah mengapa perlu melatih jaringan di laptop atau desktop dan kemudian menggunakan jaringan saraf terlatih ini ke Raspberry Pi, karena aplikasi ini membutuhkan banyak sumber daya yang tidak disediakan oleh Raspberry Pi. Oleh karena itu, jaringan saraf yang lebih besar dan lebih dalam tidak dapat digunakan dengannya. Kami selalu terdorong untuk menggunakan jejak prosesor yang lebih kecil yang secara komputasi lebih kompeten. Kesesuaian komputer ini dapat bervariasi, tergantung pada tujuannya, namun dapat disesuaikan dengan kebutuhan.

Leave Comment

error

Enjoy this blog? Please spread the word :)

Facebook
YouTube
Instagram