Cele mai populare 5 proiecte TensorFlow pentru începători [2022]

Pe măsură ce Machine Learning continuă să-și consolideze înțelegerea asupra industriei și a lumii din jurul nostru, există o nouă tendință care apare odată cu ea - ascensiunea TensorFlow. Dezvoltat de echipa Google Brain, TensorFlow este unul dintre cele mai populare cadre ML și Deep Learning în acest moment.

TensorFlow este o bibliotecă open-source bazată pe Python, concepută pentru calcule numerice și învățare automată. Încorporează cea mai selecționată gamă de algoritmi și modele de învățare automată și de învățare profundă.

TensorFlow ușurează procesele de achiziție a datelor, antrenamentul modelului și predicțiile de servire, în timp ce reglam fin rezultatele viitoare. Utilizează Python pentru a crea un API frontal convenabil pentru a construi aplicații cu acesta în timp ce execută acele aplicații în C++ de înaltă performanță.

Deoarece TensorFlow accelerează încorporarea caracteristicilor AI și ML, inclusiv viziunea computerizată, recunoașterea vocii, NLP etc., în aplicații, un număr tot mai mare de companii adoptă cadrul pentru ML. Poveștile de succes ale unora dintre nume mari din industrie, cum ar fi SnapChat, AirBnB, Dropbox, Airbus și Uber, în folosirea TensorFlow, îi determină pe alții să le calce pe urme. TensorFlow este una dintre cele mai bune biblioteci Python pentru Machine Learning.

Popularitatea din ce în ce mai mare a TensorFlow îi determină pe pasionații de știință a datelor să devină la îndemână cu cadrul și să construiască modele TensorFlow pentru aplicații din lumea reală.

Cele mai interesante proiecte TensorFlow

1. WildEye

Piața ilegală a comerțului cu animale sălbatice și plante este estimată la 70-213 miliarde USD pe an. Nu numai că aceste activități de comerț ilegal dăunează echilibrului ecosistemului, dar afectează negativ și afacerile și turismul din țările din întreaga lume. Proiectul WildEye a fost creat pentru a ține sub control traficul de animale sălbatice și conflictele dintre oameni și animale sălbatice.

Acest proiect bazat pe TensorFlow folosește cele mai recente tehnologii din Deep Learning și Internetul lucrurilor (IoT) pentru a detecta și a trimite o alarmă de fiecare dată când este detectată o astfel de activitate ilegală. Sistemul WildEye este implementat în diferite părți ale zonelor protejate cu fauna sălbatică din Kenya pentru a monitoriza și a aduna date despre speciile care înfloresc acolo, populațiile lor, activitățile lor și locația lor.

În timp ce acest lucru va prezenta o imagine cuprinzătoare a faunei sălbatice și a speciilor de plante de acolo, capcanele camerelor conectate în rețea, capabile să analizeze imagini de la marginea zonelor protejate aproape în timp real, reprezintă un instrument eficient în lupta împotriva braconajului.

2. Farmaid: Robot de detectare a bolilor plantelor

Sursă

Da, ai auzit bine! Farmaid este un robot ML bazat pe TensorFlow care poate circula autonom într-o seră și poate identifica bolile plantelor. Proiectul s-a inspirat din lucrările plantvillage.psu.edu și iita.org, iar ideea a fost de a proiecta un robot autonom care să se poată mișca într-un mediu de fermă fără a deteriora plantele sau solul și să identifice culturile sau plantele bolnave folosind detectarea obiectelor. tehnică.

În abordarea convențională, fermierii umani trebuie să identifice și să marcheze manual plantațiile bolnave, ceea ce necesită atât timp, cât și forță de muncă. Deși există telefoane care pot ajuta în acest sens, ele nu au întotdeauna toate caracteristicile pentru o detectare eficientă. Acesta este ceva pe care Farmaid îl poate rezolva.

3. Meter Maid Monitor

John Naulty a lansat Monitorul Meter Maid la TechCrunch Disrupt Hackathon în septembrie 2016. Monitorul Meter Maid combină clasificarea imaginilor TensorFlow cu detectarea mișcării și măsurarea vitezei Raspberry Pi. Scopul a fost de a crea ceva care ar putea ajuta oamenii să evite biletele de parcare.

Potrivit lui John, cu Meter Maid Monitor „se poate parca mașina, știind că va sosi o notificare prin mesaj text care îi anunță despre trecerea unui Meter Maid.” Alerta ar urma să înceapă timpul limită de parcare de două ore alocat acestora în zona de parcare. Monitorul Meter Maid folosește Raspberry Pi cu un modul de cameră și OpenCV ca detector de mișcare.

Camera monitorizează traficul și captează imagini după care le încarcă pe AWS, unde o instanță EC2 care rulează pe TensorFlow realizează recunoașterea imaginii. Sistemul este antrenat să recunoască vehiculele Meter Maid și ori de câte ori imaginea se dovedește a fi o potrivire cu Meter Maid, trimite un mesaj prin Twilio cu un link către imagine.

4. VEDEREA

Sursă

SIGHT este o pereche de ochelari inteligenți pentru nevăzători care le permite să înțeleagă ceea ce se întâmplă în jurul lor. Produs de TensorFlow și Google Android Things), SIGHT are trei componente principale – un Raspberry Pi 3 (susținut de Android Things), o cameră și un buton. Când o persoană nevăzătoare apasă butonul de pe dispozitivul SIGHT, acesta surprinde o imagine a scenei dinaintea lor. Această imagine este apoi analizată utilizând TensorFlow care detectează obiectele din imagine și ajută persoana despre împrejurimi prin asistentul vocal SIGHT.

Ingrijit, nu?

5. Sudoku Solver Bot

Pentru cei care nu știu ce este Sudoku, este un puzzle digital pe care computerele îl pot rezolva, deoarece respectă reguli matematice simple.

Sursă

După cum sugerează și numele, robotul Sudoku Solver poate rezolva și umple grile de Sudoku. Ideea din spatele creării acestui bot a fost de a construi un sistem autonom care să poată analiza grilele Sudoku, să descopere piesele lipsă din puzzle și să umple grila.

Sursă

Hardware-ul lui Sudoku Solver Bot este format din Raspberry Pi 3 și o cameră. Camera face fotografia grilei pentru a fi rezolvată. Imaginea este apoi preprocesată folosind procesarea imaginii TensorFlow. Fiecare grilă este segmentată pentru a extrage casete individuale care sunt apoi analizate prin recunoașterea imaginilor folosind o rețea neuronală.

Până la sfârșitul procesului, botul oferă o reprezentare numerică a grilei care poate fi folosită pentru a umple golurile. Acum Raspberry Pi intră în funcțiune – controlează motoarele botului și îl ajută să umple grila Sudoku.

Concluzie

Factorul de ușurință de utilizare al TensorFlow și încorporarea perfectă a caracteristicilor AI și ML îl fac potrivit pentru experimentarea cu construirea de modele. Deși am denumit doar cinci proiecte bazate pe TensorFlow, există numeroase alte proiecte care sunt la fel de interesante ca acestea. Pasionații de știință a datelor din întreaga lume contribuie în mod activ la crearea unor astfel de proiecte fantastice care pot avea un impact semnificativ într-un scenariu din lumea reală.

Dacă sunteți curios să învățați TensorFlow și să stăpâniți învățarea automată și IA, stimulați-vă cariera cu un curs avansat de Învățare automată și IA cu IIIT-B și Universitatea John Moores din Liverpool.

Alăturați-vă cursului de învățare automată de la cele mai bune universități din lume. Câștigă programe de master, Executive PGP sau Advanced Certificate pentru a-ți accelera cariera.