Anaconda: Python und Jupyter installieren und bedienen
Juypter
In der gerade gebauten Umgebung fehlt nun noch die App Jupyter Notebooks. Mit einem Klick auf Home wechselt man in die App-Ansicht und klick in der Kachel für Jupyter Notebooks auf Install. Der Anaconda Navigator lädt einige Pakete aus dem Netz nach. Anschließend ändert sich der Button in der Kachel von Install in Launch. Ein Klick auf Launch startet nun Jupyter.
Parallel dazu öffnet sich ein Browserfenster mit einer Ansicht des Dateisystems des Ordners des gerade an Windows angemeldeten Nutzers, also beispielsweise c:\Benutzer\Name. Spätestens jetzt empfiehlt es sich, ein Verzeichnis anzulegen, in dem man die auf Github zum Download verfügbaren Skripte speichert und auch die Trainingsdaten bereitstellt. Im Folgenden wird angenommen, das dort eine Kopie des GitHub-Repository im Ordner ctmake-KI-ESP32-Teil1-main liegt, mit dem Unterverzeichnis „Originalbilder“ und den darin enthaltenen Ausgangsbilder für das weitere Training.
Nun klicken wir in der Browser-Ansicht auf den Ordner ctmake-KI-ESP32-Teil1-main, in dem die Python-Notebooks im Format ipynb abgelegt sind. Insgesamt vier Notebooks plus zwei Unterordner sind zu sehen. Die Notebooks enthalten im XML-Format Python-Skripte in sogenannten Cells und erklärende Texte dazu. Die Cells teilen das Python-Skript gewissermaßen in einzelne Häppchen auf, die separat in der Jupyter-Umgebung gestartet werden können. So kann man alle Schritte wie in einem Tutorial live nachvollziehen und sich die Ergebnisse sukzessive anschauen und gegebenenfalls die von Notebook-Ersteller ergänzten Kommentare und Erklärungen studieren.
KI-Skripte in Jupyter bedienen (9 Bilder)
Schrittweise
Ein Klick auf das erste Notebook 1_Test_Groesse_Trainingsbilder.ipynb öffnet ein neues Browser-Tab. In der oberen Leiste des Jupyter-Notebooks sind diverse Buttons zum Verwalten, Konfigurieren und Steuern der einzelnen Cells und Text-Kästen eines Notebooks verfügbar. Der Run-Button startet die ausgewählte Cell, beim Aufruf eines Notebooks ist automatisch immer das erste Element ausgewählt.
Ist eine Cell oder ein Textkasten durchgelaufen, endet die Ausführung und das nächste Element wird ausgewählt. Das gerade aktuelle Element erkennt man an der dünnen blauen Umrandung. So kann man sich mit mehreren Klicks des Run-Buttons durch das Notebook arbeiten.
Alternativ kann man jede Cell auch einzeln anklicken, in dem man das Dioden-ähnliche Symbol links neben der Cell anklickt. An dem vorangestellten In[] sieht man im übrigen, in welcher Reihenfolge die Cells bereits durchlaufen wurden. Möchte Sie die bisherigen Ausgaben alle löschen und nochmal von vorne anfangen, klickt man im Menü oben unter Kernel den Punkt Restart & Clear Output.
Konkret sieht man beim ersten Notebook, wie das Bild der Ziffer 5 geladen und skaliert wird. Im zweiten Notebook 2_Skalierung_Trainingsdaten.ipynb werden alle Bilder aus dem Ordner bilder_original runterskaliert und im Ordner bilder_resize abgelegt.
Das Notebook 3_Augmentation_Helligkeit.ipynb variiert die Helligkeit des Ziffernbildes und gibt die neuen Bilder aus. Mit dem Notebook 4_Augmentation_All.ipynb werden sowohl einzeln Helligkeit, Rotation, Verschiebungen, Verzerrung sowie alle Variationen zusammen durchgespielt und als Bilder ausgegeben. Im nächsten Teil geht es dann um das konkrete Training eines neuronalen Netzes mit den Bildern.
(dab)
