Cómo empezar con el aprendizaje automático en Raspberry Pi: guía completa y opciones disponibles

Introducción

Si estás interesado en experimentar con el aprendizaje automático en la Raspberry Pi de $35, ahora tienes más opciones que nunca.

Google ofrece varios kits para llevar a cabo reconocimiento de voz e imagen en la Pi, y también está preparando un dispositivo USB que acelerará las capacidades de aprendizaje automático de la Pi.

Recientemente, el gigante tecnológico ha aumentado aún más las credenciales de aprendizaje automático de la Pi al admitir oficialmente su marco de software de aprendizaje automático TensorFlow en la placa.

Si quieres empezar con el aprendizaje automático en la Pi, aquí tienes todo lo que necesitas saber.

¿Cómo empezar?

Los kits de Inteligencia Artificial de Google (AIY) proporcionan una excelente introducción al aprendizaje automático en la Pi.

Puedes elegir entre dos kits, que te permitirán experimentar tanto con el reconocimiento de voz como con el reconocimiento de imagen. Los kits incluyen todo el hardware que necesitas, como cámaras y micrófonos, y tutoriales detallados sobre cómo configurar la Pi.

Cómo IBM Watson está transformando 10 industrias clave

Mientras que el kit de voz AIY envía el reconocimiento de voz a Google Cloud, el kit de visión AIY realiza el reconocimiento de imagen en la placa, aunque con la ayuda de un acelerador de IA Intel Movidius.

Una vez que hayas completado los tutoriales, hay otros modelos de aprendizaje automáticos entrenados que puedes ejecutar en la Pi y los kits AIY, incluyendo detectores de rostros/perros/gatos/personas y un clasificador de imágenes de propósito general.

¿Qué otras opciones están disponibles?

Aquellos con más experiencia en aprendizaje automático pueden instalar la biblioteca de software TensorFlow de Google en la Pi, un proceso que recientemente se ha vuelto mucho más fácil.

TensorFlow es un marco de software utilizado para construir modelos de aprendizaje automático y se utiliza para una amplia gama de tareas de aprendizaje profundo, como el reconocimiento de imágenes y voz.

Para instalar TensorFlow en la Pi, sigue estas instrucciones y luego sigue los tutoriales en la sección "Aprende y usa ML" en esta página, que detallan cómo entrenar y probar modelos para la clasificación de texto e imagen.

Es importante tener en cuenta que las especificaciones modestas de la Pi limitarán su rendimiento.

Cómo la inteligencia artificial está ayudando a resolver los problemas ambientales

¿Cuáles son los límites de la Pi en cuanto al aprendizaje automático?

Aunque la Pi, con sus especificaciones relativamente bajas, no es una opción obvia para el aprendizaje automático, su tamaño compacto y bajo consumo de energía la hacen adecuada para construir dispositivos caseros y robots móviles. El aprendizaje automático puede ayudar a estos dispositivos a manejar nuevas tareas, utilizando el reconocimiento de imagen para "ver" y el reconocimiento de voz para "escuchar". Sin embargo, hay límites concretos en las capacidades de aprendizaje automático de la Pi.

Existen dos etapas principales en el aprendizaje automático: el entrenamiento, durante el cual el modelo aprende cómo realizar una tarea determinada, y la inferencia, cuando el modelo entrenado se utiliza para realizar esa tarea.

La limitada potencia de procesamiento de la Pi significa que no es adecuada para entrenar modelos de aprendizaje automático más complejos. En su lugar, esta etapa generalmente se realiza en una máquina con al menos una GPU de gama media a alta.

Sin embargo, la Pi es capaz de realizar inferencias, es decir, ejecutar el modelo de aprendizaje automático entrenado, aunque de forma bastante lenta.

En una prueba, el rendimiento estimado de la Pi al utilizar el reconocimiento de imagen para detectar automóviles en imágenes de una cámara a bordo fue de aproximadamente 1 a 4 fotogramas por segundo, obviamente mucho más lento que en tiempo real. Y aunque el kit de visión de AIY de Google ejecuta modelos entrenados en la Pi, lo hace utilizando un acelerador de IA.

Estas limitaciones son la razón por la que las tareas de visión por computadora en la Pi se suelen manejar utilizando la biblioteca de software OpenCV, que utiliza técnicas no relacionadas con el aprendizaje automático y que tienen un mejor rendimiento en la Pi.

El 85% de los proyectos de inteligencia artificial (IA) en las empresas no cumplen con sus promesas

¿Cómo puedo mejorar el rendimiento de aprendizaje automático en la Pi?

Si te encuentras con los límites de lo que la Pi puede hacer, hay complementos que aceleran la capacidad de la Pi para ejecutar modelos de aprendizaje automático entrenados.

El dispositivo USB Movidius Compute Stick de Intel aumenta la velocidad a la que la Pi lleva a cabo tareas relacionadas con la visión, como el reconocimiento facial y de objetos, utilizando su Unidad de Procesamiento de Visión Myriad 2 de 12 núcleos.

El dispositivo USB, que cuesta $79, tiene una capacidad de 100 gigaflops (mil millones de operaciones de punto flotante por segundo) y consume un vatio, aunque ocasionalmente puede llegar a 2,5 vatios. Las estimaciones aproximadas de rendimiento en línea indican que el VPU del dispositivo puede realizar 10 inferencias por segundo utilizando una red neuronal convolucional GoogLeNet, un modelo de aprendizaje automático comúnmente utilizado para el reconocimiento de imágenes. Esto se compara con aproximadamente 2 inferencias por segundo utilizando la arquitectura de red neuronal convolucional Inception de Google en una Raspberry Pi sin ayuda.

Puedes ver el tipo de mejora de rendimiento que el dispositivo Movidius Stick brinda a la Pi en este video de una Pi acelerada llevando a cabo la identificación en tiempo real de vehículos.

Google también ha revelado su propio dispositivo USB que, según afirma, acelerará drásticamente la velocidad a la que la Pi ejecuta modelos de aprendizaje automático entrenados.

Google dice que el Acelerador Edge TPU permitirá que los dispositivos ejecuten múltiples modelos de visión por computadora de última generación en video de alta resolución a más de 30 fotogramas por segundo.

La revolución robótica: el fin de 20M empleos en la industria para 2030

Ese nivel de rendimiento estaría mucho más allá de lo que una Pi sin ayuda es capaz de lograr, y aparentemente estaría por encima de los niveles de rendimiento informados utilizando el dispositivo Neural Compute Stick de Intel.

Este dispositivo saldrá al mercado en otoño, y quienes estén interesados pueden registrarse para recibir una notificación sobre su lanzamiento.

¿Qué están haciendo las personas con el aprendizaje automático en la Pi?

Existen diversos ejemplos, como este clasificador automático de pepinos utilizado en una granja de pepinos en Japón, hasta este observador automático de trenes mediante IA.

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Inteligencia artificial, allí encontraras muchos artículos similares a Cómo empezar con el aprendizaje automático en Raspberry Pi: guía completa y opciones disponibles , tenemos lo ultimo en tecnología 2023.