raspberry piでAIを使う

スペックに制限のあるラズパイでも工夫すればAIを使うことはできます。

まずAIライブラリをThonnyなどで使うのがかなりきついのでjupyter notebookを入れます。

これでブラウザでpythonを軽めに？動かすことができます。

sudo apt-get install build-essential python-dev

sudo pip install jupyter

sudo apt-get install libpng12-dev libjpeg8-dev libfreetype6-dev libxft-dev liblapack-dev libatlas-base-dev gfortran g++

インストールが済んだら　jupyter notebookとコマンドを打てば起動します。

しかしそのままではログインできないので password or tokenというところに

token=　以下をコピペして進んでください。

トークンはコマンド打ってすぐのやつです。何個か出てくるので注意！

そこから右上のNEW→pythonで新規作成できるのですが、python2のみになっている場合は
下記コマンドで解決できます。

python3 -m IPython kernelspec install-self

あとはwindowsでもラズパイでも変わりません。

下記コードで以前のこの記事の手書き数字画像の判別ができます。
画像データはフルパスが好ましいですが　home/pi/直下であれば動かせます。
※ちなみに、sklearn、numpyのインポートは必要ですがopenCVはjpg→png変換に使用しているだけで
必須ではありません。


from sklearn import datasets, cross_validation, svm, metrics
import numpy as np
from PIL import Image
import cv2

digits = datasets.load_digits()

im_gray = cv2.imread('test6.jpg')
cv2.imwrite('my_photo.png', im_gray)
label_test = [6]
image = Image.open('my_photo.png').convert('L')
image = image.resize((8, 8) Image.ANTIALIAS)

img = np.asarray(image, dtype=float)
img = np.floor(16 - 16 * (img / 256))


img = img.flatten()
data_train = digits.data

label_train = digits.target
data_test = img

clf = svm.SVC(C=1.0, cache_size=200, class_weight=None, coef0=1.0,
decision_function_shape='ovr', degree=3, gamma='auto', kernel='linear',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
clf2 =data_test.reshape(1,-1)
clf.fit(data_train, label_train)


predict = clf.predict(clf2)

print(data_test)
print(clf2)
print(clf)
print("テストラベル=",label_test)
print("解析結果=",predict)
ac_score = metrics.accuracy_score(label_test, predict)
print("正解率=", ac_score*100, "%")

これでラズパイで手書きデータを判別することができました。
AI関連のライブラリはリソースが必要と思われがちですが、大量のデータのディープラーニングでもやらない限り
結構動いてしまったりします。　今後はラズパイのような小型PCにAIが搭載されるのがトレンドに……
なるのかなあ。


↑こんな本も出てます！