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.
- Detlef Heinze
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.