Wir haben auf unseren Windows Rechner TensorFlow installiert. TensorFlow ist ein Framework zur datenstromorientierten Programmierung. Es wird aus Python-Programmen heraus benutzt und ist in Python und C++ implementiert. Populäre Anwendung findet TensorFlow im Bereich des maschinellen Lernens.
In der Forschung und im Produktivbetrieb wird sie derzeit von verschiedenen Teams in kommerziellen Google-Produkten wie Spracherkennung, Gmail, Google Fotos und Google Suche verwendet. So wird der Kartendienst Maps durch Analyse der von Street View aufgenommenen Fotos, die mit Hilfe einer auf TensorFlow basierenden KI analysiert werden, verbessert. Viele dieser Produkte nutzten früher die Vorgängersoftware DistBelief. TensorFlow wurde ursprünglich vom Google-Brain-Team für den Google-internen Bedarf entwickelt und später unter der Apache-2.0-Open-Source-Lizenz veröffentlicht.
Auf dem lezten TensorFlow Summit hat die JavaScript-Bibliothek TensorFlow.js den Sprung auf Version 1.0 vollzogen und ist seitdem noch stärker in die Plattform rund um das Machine-Learning-Framework TensorFlow integriert. Version 1.0 gibt Entwicklern Garantien über Stabilität und Performance, sodass sie TensorFlow.js produktiv einsetzen können.
Im Rahmen des TensorFlow Dev Summit ist auch das auf mobile Endgeräte und Embedded Devices ausgerichtete TensorFlow Lite als erstes stabile Release erchienen.
Über Machine Learning im Browser mit TensorFlow.js ist im Heise Verlag ein lesenswerter Artikel erschienen.
Wir selbst würden gerne auf Basis von Coral Google AI unseren Kunden eine intelligente Kamera zur Verfügung stellen. Das Coral Dev Board ist ein Single-Board-Computer mit einem abnehmbaren SOM (System-on-Module), der eMMC, SOC, drahtlose Funkgeräte und das Edge TPU enthält. Seine einzigartige Leistung kommt vom Edge TPU-Coprozessor.
Der Edge TPU ist ein kleiner von Google entwickelter Prozessor, der eine leistungsstarke Machine Learning-Inferenzierung mit geringen Stromkosten ermöglicht. So kann das Coral Dev Board beispielsweise modernste mobile Bildverarbeitungsmodelle wie MobileNet v2 bei über 100 fps energieeffizient ausführen.
Das Baseboard enthält alle Peripherieanschlüsse, die wir für den Prototyp unseres Projekts benötigen, einschließlich USB 2.0/3.0-Ports, DSI-Display-Schnittstelle, CSI-2-Kameraschnittstelle, Ethernet-Anschluss, Lautsprecheranschlüsse und einen 40-poligen GPIO-Stecker.
Es wird Zeit, dass wir uns mit TensorFlow beschäftigen.
Wir haben auf unser Windows - System das TensorFlow Framework installiert
Visual Studio Code
Visual Studio Code (kurz VS Code) ist ein freier Quelltext-Editor von Microsoft. Visual Studio Code ist plattformübergreifend für die Betriebssysteme Windows, macOS und Linux verfügbar.
Visual Studio Code wird hauptsächlich von einem Team in der Schweiz entwickelt, das von Erich Gamma geleitet wird. VS Code wird als offenes Projekt auf GitHub entwickelt. Es erscheint monatlich eine neue Version mit neuen Funktionen, für diese werden im Laufe des Monats 1 bis 2 Fehlerbehebungen veröffentlicht. Neben dem monatlichen Veröffentlichungszyklus wird täglich eine Insiderversion herausgegeben, die den aktuellen Entwicklungsstand wiedergibt. VS Code ist mit 19.000 Mitwirkenden das am stärksten unterstützte Projekt auf GitHub.
Hilfreiche Links
TensorFlow Projekt
TensorFlow Summit
Machine Learning im Browser mit TensorFlow.js
Coral Google AI
Visual Studio Code