👨🏻‍🎨 🤞🏻 🤟🏾 Pembelajaran Jauh dan Raspberry PI 🌃 💪🏽 📬

"Apa yang kita miliki?" Si bungkuk bertanya, berbalik.
"Aldan-3," kata pria berjanggut itu.
"Mobil yang kaya," kataku. "[1]

Baru-baru ini, saya memutuskan untuk belajar pembelajaran yang mendalam. Di tempat kerja, mereka memberi saya kartu baru dengan dukungan CUDA dan bos menyatakan harapan bahwa puncak teknik ini akan memungkinkan laboratorium kami membuat lompatan ke depan, atau setidaknya tidak mau kalah oleh massa pesaing. Saya sudah memiliki pengalaman dengan Tensor Flow, tetapi kali ini saya memutuskan untuk mencoba Torch. Sangat menarik karena ditulis dalam Lua dan C, cukup ringan dan mudah diperluas melalui FFI. Dan saya juga tidak suka Python.

Baru-baru ini saya menemukan sebuah artikel tentang Habrahabr, selama diskusi yang saya ingat bahwa di suatu tempat di meja saya, saya sedang melihat Raspberry Pi, model B +, dan saya ingin melihat apakah saya dapat menaikkan obor di atasnya dan menjalankan sesuatu yang sederhana.

GPU alexnet . Torch. , , .

(Raspberry PI B+).

torch :

apt-get install git-core  
git clone https://github.com/torch/distro.git ~/torch --recursive

, Torch OpenBLAS QT , :

apt-get install -y build-essential gcc g++ curl cmake libreadline-dev libjpeg-dev libpng-dev ncurses-dev imagemagick libzmq3-dev gfortran libopenblas-base libopenblas-dev

torch:

cd ~/torch;
./install.sh

— ? — . [1]

: torch: arm, NEON:

[  6%] Building C object lib/TH/CMakeFiles/TH.dir/THVector.c.o
In file included from /home/pi/torch/pkg/torch/lib/TH/THVector.c:2:0:
/home/pi/torch/pkg/torch/lib/TH/generic/THVectorDispatch.c: In function ‘THByteVector_vectorDispatchInit’:
/home/pi/torch/pkg/torch/lib/TH/generic/simd/simd.h:64:3: error: impossible constraint in ‘asm’
   asm volatile ( "cpuid\n\t"

. , ! , - torch Raspberry PI -B ( NEON): https://github.com/vfonov/deep-pi/releases/download/v1/torch_intstall_raspbian_arm6l_20161218.tar.gz, /home/pi

MNIST, Torch:

th train-on-mnist.lua 
<torch> set nb of threads to 4  
<mnist> using model:    
nn.Sequential {
  [input -> (1) -> (2) -> (3) -> (4) -> (5) -> (6) -> (7) -> (8) -> (9) -> (10) -> output]
  (1): nn.SpatialConvolutionMM(1 -> 32, 5x5)
  (2): nn.Tanh
  (3): nn.SpatialMaxPooling(3x3, 3,3, 1,1)
  (4): nn.SpatialConvolutionMM(32 -> 64, 5x5)
  (5): nn.Tanh
  (6): nn.SpatialMaxPooling(2x2, 2,2)
  (7): nn.Reshape(576)
  (8): nn.Linear(576 -> 200)
  (9): nn.Tanh
  (10): nn.Linear(200 -> 10)
}
<warning> only using 2000 samples to train quickly (use flag -full to use 60000 samples)    
<mnist> loading only 2000 examples  
<mnist> done    
<mnist> loading only 1000 examples  
<mnist> done    
<trainer> on training set:  
<trainer> online epoch # 1 [batchSize = 10] 
 [===================>.................... 471/2000 ....................................]  ETA: 2m20s | Step: 92ms

, — i5-4590 CPU @ 3.30GHz, GPU:

[=======================>................ 571/2000 ....................................]  ETA: 27s613ms | Step: 19ms

. 5 .

«» : «. » [1]

googlenet. : Alexnet , . squeezenet Network-in-Network, torch.

ARM ( Raspberry PI — ).

torch, ‘ascii’, — :

Desktop:

model=torch.load(‘blah.t7’)
torch.save(‘blah_ascii.t7’,model,’ascii’)

Raspberry PI:

model=torch.load(‘blah_ascii.t7’,’ascii’)
torch.save(‘blah_arm.t7’,model)

arm .

:
.

...
local m=torch.load(prefix..'nin_bn_final_arm.t7')
...
local input=image.load(prefix.."n07579787_ILSVRC2012_val_00049211.JPEG")
...
local output=model:forward(cropped)
...

, ImageNET:

>th test_single.lua n07579787_ILSVRC2012_val_00049211.JPEG
loading model:0.57sec   
Running neural net:13.46sec 
 25.3%: n07579787: plate    
 13.8%: n07873807: pizza, pizza pie     
 8.8%: n04263257: soup bowl     
 8.0%: n07590611: hot pot, hotpot   
 7.2%: n07831146: carbonara

T.e 14 !

: camera display, , 14 . (luarocks install camera) - (luarocks install display).

…
--  
local cam = image.Camera {idx=0,width=iW,height=iH}
...
  local frame = cam:forward()
  local cropped = image.crop(frame, w1, h1, w1+oW, h1+oH) -- center patch
…
 --   
  display_sample_in.win=display.image(cropped,display_sample_in)
…
 --    
  local output=model:forward(cropped)
…
--   -  
  display_output.win=display.text(out_text,display_output)

display: nohup th -ldisplay.start 8000 0.0.0.0 &

gambar

, . , - , , .

nnpack, .

:

Kutipan dari "Monday Begins Saturday" dan "The Tale of the Three" oleh A. dan B. Strugatsky.
Deskripsi prosedur dalam bahasa Inggris dan repositori dengan semua sumber ada di github .

Pembelajaran Jauh dan Raspberry PI

:

More articles: