• IT-Karriere:
  • Services:

''Hello AI World''

Um einen ersten Eindruck von den Möglichkeiten von künstlicher Intelligenz und Machine Learning zu bekommen, bieten sich die Tutorials von Nvidia an. Das Tutorial "Hello AI World" beschäftigt sich mit fertigen, also bereits trainierten Modellen zum Thema Objekterkennung und Lokalisierung.

Stellenmarkt
  1. iS Software, Regensburg
  2. ED. ZÜBLIN AG, Stuttgart

Das umfangreichere "Two days to a demo" beinhaltet auch das Anlernen von Modellen. Hello AI World ist nicht im Image enthalten und muss zusätzlich installiert werden. Vor der Installation der Quellen werden zunächst das Build-Management-Tool cmake und die Python-3.6-Entwicklungspakete auf das System gebracht:

  1. sudo apt-get install git cmake libpython3-dev python3-numpy

Den Code zum Hello-AI-World-Tutorial erhält man von Github:

  1. git clone --recursive https://github.com/dusty-nv/jetson-inference

Die Befehle zum Bauen der Makefiles lauten:

  1. mkdir build
  2. cd build
  3. cmake ../

Während der Prozedur öffnet sich ein Dialog zum Download von trainierten Modellen. Hier wird die aktuelle Auswahl einfach bestätigt, der Model-Downloader kann später jederzeit mit download-models.sh erneut geöffnet werden.

Nach dem Download der Modelle fragt ein weiterer Dialog, ob und in welcher Version Pytorch (ein hier nicht benötigtes Machine-Learning-Framework) installiert werden soll. Der Schritt kann mit Skip übersprungen werden. Auch dieser Wizard lässt sich bei Bedarf später erneut öffnen (install-pytorch.sh).

Abschließend wird kompiliert und installiert:

  1. make -j$(nproc)
  2. sudo make install
  3. sudo ldconfig

Wer mehr über die einzelnen Schritte erfahren möchte, findet auf der genannten Seite reichlich Details. Der gebaute Code liegt im Verzeichnis jetson-inference/build/aarch64 und kann nun benutzt werden.

Ein guter Einstieg ist die Anwendung zum Erkennen von Bildern, imagenet. Sie wird mit imagenet-console aufgerufen, wobei als Parameter ein Bild mitgegeben wird (hier beispielsweise das Foto einer Banane aus dem Verzeichnis images):

  1. ./imagenet-console images/banana_0.jpg out.jpg

Der erste Aufruf des Models nimmt einige Zeit in Anspruch, weil TensoRT das neuronale Netz für die Hardware des Nano optimiert. Die folgenden Aufrufe gehen dann aber flott. Das Ergebnis der Klassifizierung findet man sowohl in der Konsole als auch im Ausgabebild. Wer den mitgelieferten Beispielbildern nicht traut, kann natürlich auch eigene Fotos erkennen lassen.

Noch mehr Spaß macht das Erkennen von Live-Bildern mit der Kamera. Die entsprechende Anwendung wird mit imagenet-camera gestartet. Vor die Kamera gehaltene Objekte werden direkt klassifiziert. Die Erkennungswahrscheinlichkeit, hier ganze 100% für den Pinguin, findet sich links oben im Foto.

  • Das Case des Jetson Nano lässt sich in eine - zugegebenermaßen nicht so perfekte - Halterung umbauen (Bild: Dirk Koller).
  • Der Ubuntu-Desktop (Bild: Dirk Koller)
  • Flaschen markieren mit detectnet-camera coco-bottle (Bild: Dirk Koller)
  • Der Jumper dient zum Überbrücken zweier Anschlüsse. (Bild: Dirk Koller)
  • Der Jetson Nano (Bild: Dirk Koller)
  • Richtig erkannt! Ein Pinguin (Bild: Dirk Koller).
Richtig erkannt! Ein Pinguin (Bild: Dirk Koller).

Neben dem Klassifizieren ist das Auffinden und Markieren von Objekten in bewegten Bildern in Echtzeit eine wichtige Aufgabe von künstlichen neuronalen Netzen. Auch hierzu ist eine Beispielanwendung enthalten. Mit detectnet-camera coco-bottle wird die Anwendung zum Markieren von Objekten (hier Flaschen) im Kamerabild gestartet.

  • Das Case des Jetson Nano lässt sich in eine - zugegebenermaßen nicht so perfekte - Halterung umbauen (Bild: Dirk Koller).
  • Der Ubuntu-Desktop (Bild: Dirk Koller)
  • Flaschen markieren mit detectnet-camera coco-bottle (Bild: Dirk Koller)
  • Der Jumper dient zum Überbrücken zweier Anschlüsse. (Bild: Dirk Koller)
  • Der Jetson Nano (Bild: Dirk Koller)
  • Richtig erkannt! Ein Pinguin (Bild: Dirk Koller).
Flaschen markieren mit detectnet-camera coco-bottle (Bild: Dirk Koller)

Mit den Hello-AI-World-Demos kann man auch ohne große Kenntnisse von neuronalen Netzen viel kennenlernen. Etwas tiefer steigt das bereits erwähnte "Two Days to a Demo" ein. Wer sich für Robotik interessiert, sollte unbedingt einen Blick auf Jetbot, Nvidias Open-Source-Plattform für KI-Roboter werfen.

Und selbst auf dem kleinsten Jetson-Rechner lassen sich natürlich die großen Machine-Learning-Frameworks wie Pytorch, Tensorflow, Caffee/Caffee2, MXNet und Keras in Form der nativen Vollversionen installieren, so dass die Möglichkeiten praktisch unbegrenzt sind. Skynet@Home ist nur noch ein paar Tage Arbeit entfernt …

Dr. Dirk Koller schreibt als freier Autor über IT-Themen, bevorzugt Softwareentwicklung und Geoinformatik (Fernerkundung, UAV, RTK GPS, Mobile GIS, Augmented Reality)

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed
 Installieren, Kamera anschließen, los geht's
  1.  
  2. 1
  3. 2
  4. 3


Anzeige
Spiele-Angebote
  1. 4,63€
  2. (-15%) 25,49€
  3. (-10%) 31,49€

gls_gls 09. Jun 2020

Ich habe daraufhin meinen Jetson vom letzten Jahr noch mal rausgekramt, das neue Image...

DieterMieter 09. Jun 2020

Das ist jetzt aber auch kein Grund nicht das Setup zu nehmen das genommen wurde. Bei...

DieterMieter 09. Jun 2020

Das Board scheint ja als Preisrechtfertigung die Erstellung von Modellen anzubieten...

ko3nig 07. Jun 2020

Rafft jeder, der den Artikel *liest * https://www.duden.de/rechtschreibung...

Oktavian 04. Jun 2020

Yup, und das schöne als Gamer im fortgeschrittenen Alter von 40+ ist, Geld ist nicht...


Folgen Sie uns
       


DLR Istar vorgestellt - Bericht

Die Falcon 2000LX des DLR hat weltweit einzigartige Eigenschaft: sie kann so tun, als wäre sie ein anderes Flugzeug.

DLR Istar vorgestellt - Bericht Video aufrufen
    •  /