2017年初，树莓派基金会宣布了一项谷歌开发者调查，征求创客社区对于他们希望在树莓派上使用的工具的反馈。这篇博客文章指出，谷歌已经开发了用于机器学习、物联网、可穿戴设备、机器人技术和家庭自动化的工具，并且该调查提到了面部和情感识别、语音转文本翻译、自然语言处理和情感分析。“这项调查将帮助他们了解树莓派社区，但它也将帮助我们获得我们需要的服务类型，”文章解释道。与此同时，数据科学家们并没有等待，而是立即开始将谷歌的TensorFlow，一个用于机器学习的开源软件库，应用到树莓派上。
让我们来看看一些在树莓派上使用TensorFlow进行机器学习的酷炫示例。
Caltrain 项目
Caltrain 项目是一个 Silicon Valley Data Science 的火车观测项目。在项目文章系列的介绍中，数据科学家 Chloe Mawer、Matthew Rubashkin 和 Colin Higgins 写道：“我们的兴趣源于我们一半的员工每天依靠 Caltrain 上班。我们也想回馈社区，并且我们喜欢用数据来做到这一点。”
由于 Caltrain 提供的延误估计“可能有点...不准”（他们的话），该团队希望整合新的数据源，以进行超出 Caltrain API 可用范围的延误预测。他们概述了他们希望物联网树莓派列车探测器回答的三个问题
- 是否有火车通过？
- 它往哪个方向行驶？
- 火车移动速度有多快？
然后他们将他们的过程分解为一系列文章，其中包括Image Processing in Python 和 Streaming Video Analysis with Python。
然后，在TensorFlow Image Recognition on a Raspberry Pi中，Rubashkin 写道：“当我们在 Mountain View 办公室设置一台新的树莓派时，我们遇到了一个大问题：树莓派不仅检测到了 Caltrain（真阳性），还检测到了 Union Pacific 货运火车和 VTA 轻轨（假阳性）。为了可靠地检测 Caltrain 延误，我们必须可靠地对不同的火车进行分类。” 他说 2016 年是遇到这个分类问题的好年份，因为包括谷歌的 TensorFlow 在内的几项深度学习图像识别技术已经作为开源项目发布。
为了获得使用 TensorFlow 创建图像分类器的经验，Rubashkin 使用了 flowers tutorial 在 TensorFlow for Poets 的教程页面上，作者是 Pete Warden。然后为了获得火车训练数据集，Rubashkin 使用了来自 Google Images 的 1,000 张图像，为 Caltrain、货运火车、轻轨、卡车和汽车创建了一个车辆分类器。请观看此视频中的 TensorFlow 训练过程
阅读TensorFlow Image Recognition on a Raspberry Pi以了解更多关于 Rubashkin 如何测试和部署模型，以及他在树莓派上排除 TensorFlow 故障的经验。
抄表员监控器
在 2016 年 9 月的 TechCrunch Disrupt 黑客马拉松上，John Naulty 介绍了 抄表员监控器。在项目网站上，Naulty 表示抄表员监控器结合了 TensorFlow 图像分类和树莓派运动检测和测速程序，旨在避免停车罚单。“有了这套工具，人们可以停放他们的汽车，并知道会收到短信通知他们有抄表员经过，”他解释道。这个想法是，这标志着他们两小时停车时限的正式开始。
当视野中移动汽车的图像被捕获时，它会通过 TensorFlow 和训练数据进行分析（以识别抄表员车辆）。如果图像与抄表员匹配，则会通过 Twilio 发送一条消息，其中包含指向该图像的链接。Naulty 包括免责声明：“这是一个免费的开源项目，开发者绝不对因反叛、违反规定的公民造成的停车罚单负责。”
在 GitHub 上查看该项目，或观看 TechCrunch Disrupt 黑客马拉松视频以观看 Naulty 的简短演示
农场中的 TensorFlow
TensorFlow 不仅适用于城市居民，在农场中也很有用。Makoto Koike，一位来自日本汽车行业的嵌入式系统设计师，开始在他父母的黄瓜农场帮忙。Google Cloud Platform 博客上的一篇文章《一位日本黄瓜农民如何使用深度学习和 TensorFlow》解释说，Koike 的母亲每天花费长达八小时的时间来根据大小、厚度、颜色、纹理、小划痕以及是否有刺等特征对黄瓜进行分类，这些特征决定了黄瓜在市场上的较高价格。
文章解释说：“该系统使用树莓派 3 作为主控制器，通过摄像头拍摄黄瓜的图像，并在第一阶段在 TensorFlow 上运行一个小规模的神经网络，以检测图像是否为黄瓜。” “然后，它将图像转发到在 Linux 服务器上运行的更大的 TensorFlow 神经网络，以执行更详细的分类。”
阅读这篇文章以了解更多关于项目如何运作的信息，或观看视频以查看分拣机的工作情况
您还知道其他使用 TensorFlow 和树莓派的酷炫项目吗？请在评论中告诉我们，或将您的故事想法发送至 open@opensource.com。
评论已关闭。