Bastel-Projekt mit Raspberry Pi, Teil 2: KI für die Modelleisenbahn trainieren

Ein Raspi mit Kamera überwacht Gleise und meldet, wenn Loks auf falschen Schienen fahren. Wir zeigen, wie man das Neuronale Netz mit Google Colab modelliert.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht 1 Kommentar lesen
,
Lesezeit: 11 Min.
Von
  • Detlef Heinze
Inhaltsverzeichnis
Mehr Bastelprojekte mit Raspberry Pi

In diesem Teil trainieren wir unser Neuronales Netz. Dazu setzen wir auf die Online-Entwicklungsumgebung Google Colab. Colab ist eine kostenlos nutzbare Alternative zu einer lokal auf dem PC laufenden Jupyter-Umgebung. In unseren Artikeln "Neuronale Netze zur Bilderkennung mit Python trainieren" und "KI für den ESP32: Neuronales Netz trainieren für Strom-/Wasser-/Gaszähler-Daten" haben wir die Bedienung von Jupyter Notebooks erklärt.

Das Training basiert auf der ModelMaker-API von Google. Die API erwartet, dass die Trainingsbilder in drei Untermengen aufgeteilt werden: Dies sind die Trainings-, die Validierungs- und die Testdaten. Wir verwenden eine Aufteilung von 80 Prozent - 10 Prozent - 10 Prozent. Darüber hinaus erwartet das API eine spezielle CSV-Datei als Input.

Im Ordner auf dem PC mit den Trainingsdaten liegt das Python3-Programm VIAjson2ModelMaker.py, also unter 20_Example_Training/20_Data. Man startet es in der Konsole mit python3 VIAjson2ModelMaker.py. Sofern auf dem PC kein Python verfügbar ist und Sie es nicht nachinstallieren wollen, kopieren Sie am besten das ganze Verzeichnis auf einen USB-Stick, stecken ihn an den Pi und wechseln in einer Shell auf das Verzeichnis auf dem Stick. Das Skript greift auf die Datei VIA_SMRC_json.json im gleichen Ordner und alle Bilder zu und erstellt in ein paar Sekunden die Datei training.csv für das Training. Die Aufteilung der Bilder bestimmt der Zufallsgenerator.