大家在網路、報章雜誌上是不是很常聽到AI人工智慧呢？至今許多人在研究、開發AI的神經網路運算，您聽過神經網路運算嗎？今天與讀者們快速分享一些AI、神經網路運算資訊，以及我們設計人工神經網路實作課程時，在Windows系統上使用的一些工具。

 

作者/攝影	CAVEDU教育團隊 徐豐智
文章分類	教學技術文
時間	30分鐘
成本	電腦
難度	**
材料表	Window 10 作業系統

說到人工智慧，相關技術的人會想到機器視覺、自然語言⋯⋯等等專有名詞，今天與讀者們分享的AI課程，是神經網路運算的相關實作。

Google的Deepmind團隊使用了Alpha GO 挑戰世界棋王獲勝的事，大家還記得嗎？（快速回憶AlphaGO-連結），這項成果該團隊使用的是神經網路運算技術，工具是Tensorflow。Gmail的垃圾郵件判讀、Google相簿臉部識別、Google翻譯，Google在Tensorflow上以Opensource的方式開放出來，大家可按照自己想做的AI案例收集樣本資料，訓練AI判斷的模型。

今年九月起，CAVEDU教育團隊與微軟合作設計AI課程（微軟技術中心上機實作課程-人工智慧實務工作坊：故事連結）。基於這次經驗，與大家分享如何在Windows作業系統下，安裝AI相關工具套件。我們先介紹現在的AI實作上的一些分類，接著是Tensorflow與keras、Opencv等環境安裝教學。

 

淺談人工智慧實作

首先，有幾種與運算效能不強的硬體整合的AI方式（想直接安裝Tensorflow，可跳過這一段）。

 

一、使用物聯網將判斷交給雲端處理，並將處理結果回傳

終端裝置（樹莓派、Linkit7688⋯⋯）負責收集影像、語音資料，將這些影像、語音資料上傳至雲端AI（Google、Azure、IBM Watson⋯等），雲端AI判斷後，將判斷結果回傳至終端裝置，終端裝置再進行動作。

 

Ａ、微軟認知服務，解析人的年齡、性別、情緒（實作教學連結）

Ｂ、Google語音助理的服務，將聲音上傳到Google，交由雲端處理(實作教學連結、影片連結)

Ｃ、IBM Bluemix服務做TJBOT聊天機器人(實作教學連結)

 

二、使用Opensource的工具，建立自己的AI專案，訓練AI

建立判斷AI的工具，透過AI工具提供的演算法和判斷方法，收集相關資料（比如說，透過圖片判斷動物園的動物種類），訓練AI，提高AI的的推理能力（從可分別猩猩和大象的差別，提升至可分別猩猩和獼猴的差別）。

 

Ａ、Tensorflow與keras的機器學習工具(相關文章連結)

B、Caffe的機器學習工具(相關文章連結)

 

三、邊緣運算、智慧邊緣：

結合訓練的AI，將運算交給終端裝置（手機、樹莓派、Jetson Nano 等），解決將資料傳給雲端，再回傳資料導致的延遲。（比如說，汽車上的運算晶片如果因網路不順，導致判斷過慢發生車禍等意外；又或者在製造業使用的機器手臂，判斷過慢導致產線的良率不穩。）

 

A、Nvidia的GPU顯示卡，幫助電腦運算

B、Intel的低功耗加速AI推理的運算棒(相關文章連結)

 

在Windows上安裝TensorFlow的環境

我們要開在Windows作業系統上安裝Tensorflow的教學。請將安裝的電腦，額外預留5GB的硬碟容量以安裝相關軟體。

安裝順序：

一、安裝Anaconda環境

二、建立獨立的Anacoonda（Python）虛擬環境

三、安裝Keras、OpenCV、TensorFlow 、TensorFlow Lite

四、安裝其它常用套件

五、執行手寫辨識範例

 

一、安裝Anaconda環境

對AI初學者來說，安裝TensorFlow環境、使用的套件雜亂，相互不匹配，是第一道難關。但Anaconda可將這件事變得很單純，因為Anaconda除了支援Windows，也支援Mac、Linux作業系統。之後有空，再跟大家分享在Windows App上安裝ubuntu作業系統。

請先至Anaconda網站上下載軟體，點選下圖左邊的Windows選項

https://www.anaconda.com/download/

選擇下載的安裝環境，有Python3、2兩種版本。因為許多的AI範例使用Python3，建議使用Python 3。並依照電腦規格，選擇64位元 / 32位元的版本下載。

點選下載的檔案，開始安裝，點選下一步、同意。

選擇是否只安裝在這一個Windows的帳號

決定安裝路徑。因為之後會訓練資料，請讀者們盡量選擇讀寫速度較快的硬碟。

點選加入Windows的環境變數（可不選，能讓Windows的CMD視窗也可以呼叫Anaconda），預設使用Python3.7。

安裝完成後，在開始的列表會出現Anaconda的相關工具。

二、建立獨立的Anaconda（Python）虛擬環境

Python有許多相依的套件，建議讀者們在做不一樣的Python套件實測試時，可重新建立新的環境，每個新的環境會依照名稱顯示。

下圖是我已經建立好的兩個環境，分別命名為 testlesson1、testtensorflow。要取什麼名字都可以~

 

首先，在本機磁碟（C），新增一個資料夾［testAI］，以便管理環境中的檔案，點選［Anaconda Prompt］。

 

 

指令：移動至資料夾［testAI］

[pastacode lang=”c” manual=”%3Ecd%20%5CtestAI” message=”” highlight=”” provider=”manual”/]

 

指令：建立Anaconda環境

[pastacode lang=”c” manual=”%3Econda%20create%20–name%20testAI%20python%3D3.7%20anaconda” message=”” highlight=”” provider=”manual”/]

 

指令功能：

conda create：建立虛擬環境

–-name testAI：環境名稱，取名為testAI

python=3.7：Python的版本為3.7

anaconda：建立環境時，會把Python相關的套件也一起安裝，例如：NumPy、SciPy等常用的套件，也有Jupyter Notebook。

Anaconda會詢問你該虛擬環境是否安裝這些套件，輸入指令 y

[pastacode lang=”c” manual=”%3Ey” message=”” highlight=”” provider=”manual”/]

 

安裝完成後，您可以用下列兩個指令開啟 / 關閉虛擬環境：

[pastacode lang=”python” manual=”%23%E9%96%8B%E5%95%9F%E8%99%9B%E6%93%AC%E7%92%B0%E5%A2%83%0A%3Econda%20activate%20testAI%0A%0A%23%E9%97%9C%E9%96%89%E8%99%9B%E6%93%AC%E7%92%B0%E5%A2%83%0A%3Econda%20deactivate” message=”” highlight=”” provider=”manual”/]

若成功開啟虛擬環境，命令列最左方的顯示會由（base）改為（testAI），也就是方才建立的虛擬環境名稱。

 

三、安裝TensorFlow 、 Keras、Opencv

接著，我們要安裝一些訓練AI模型的套件，這些都是python相關的套件，您可以用pip安裝，也可以用conda安裝。

安裝 keras 套件 ：

[pastacode lang=”python” manual=”conda%20install%20keras” message=”” highlight=”” provider=”manual”/]

圖18

 

安裝 OpenCV 套件：

[pastacode lang=”python” manual=”conda%20install%20opencv” message=”” highlight=”” provider=”manual”/]

圖19

 

安裝Python的Tensorflow套件(在此指定為 2.2.0，如果有更新的版本則有可能需要修改)：

[pastacode lang=”c” manual=”%3Epip%20install%20tensorflow%3D%3D2.2.0″ message=”” highlight=”” provider=”manual”/]

圖20

 

安裝Python的Tensorflow Lite套件：

[pastacode lang=”python” manual=”pip%20install%20https%3A%2F%2Fdl.google.com%2Fcoral%2Fpython%2Ftflite_runtime-2.1.0.post1-cp37-cp37m-win_amd64.whl” message=”” highlight=”” provider=”manual”/]

圖21

或用這個指令安裝試試看 (參考)

[pastacode lang=”bash” manual=”pip3%20install%20–extra-index-url%20https%3A%2F%2Fgoogle-coral.github.io%2Fpy-repo%2F%20tflite_runtime” message=”” highlight=”” provider=”manual”/]

四、安裝常用套件

安裝 Pygame 套件：

[pastacode lang=”python” manual=”pip%20install%20pygame” message=”” highlight=”” provider=”manual”/]

 

安裝 imutils套件：

[pastacode lang=”python” manual=”pip%20install%20imutils” message=”” highlight=”” provider=”manual”/]

 

安裝 sklearn套件：

[pastacode lang=”python” manual=”pip%20install%20sklearn” message=”” highlight=”” provider=”manual”/]

 

安裝scikit-learn套件：

[pastacode lang=”python” manual=”pip%20install%20scikit-learn%3D%3D0.20.4″ message=”” highlight=”” provider=”manual”/]

 

安裝MediaPipe套件

[pastacode lang=”python” manual=”pip%20install%20mediapipe” message=”” highlight=”” provider=”manual”/]

 

五、執行手寫辨識範例

最後，我們執行一個訓練資料的手寫辨識範例，確認Tensorflow系統環境都沒有問題。

（資源來自keras中文文檔https://keras-cn.readthedocs.io/en/latest/）

 

首先，安裝git套件。

[pastacode lang=”c” manual=”%3Econda%20install%20git” message=”” highlight=”” provider=”manual”/]

 

 

接下來：

1、透過 git 下載keras-io的範例

[pastacode lang=”c” manual=”git%20clone%20https%3A%2F%2Fgithub.com%2Fkeras-team%2Fkeras-io.git” message=”” highlight=”” provider=”manual”/]

 

2、移動到範例資料夾

[pastacode lang=”c” manual=”%3E%20cd%20.%2Fkeras-io%2Fexamples%2Fvision” message=”” highlight=”” provider=”manual”/]

 

3、執行手寫辨識訓練資料，若執行未出現錯誤，恭喜您已安裝成功，可不用等待程式執行完畢，［Ctrl+C］直接跳出訓練畫面

[pastacode lang=”c” manual=”%3E%20python%20mnist_convnet.py” message=”” highlight=”” provider=”manual”/]

 

都完成了嗎？本部落格的許多實作範例都會用到這篇教學，我們也根據各套件的更新不定期更新本文內容，喜歡這篇文章就請您多多分享喔！

相關文章

• [Movidius神經運算棒] 認識與操作Neural Compute SDK：mvNCCheck

• [Movidius神經運算棒]在Intel® Movidius™ NCS上部署客製化Caffe模型來進行影像分類

• [AI 人工智慧應用] MovidiusNCS在PC中設定Ubuntu虛擬機並執行NCSDK(下)

• [AI 人工智慧應用] MovidiusNCS在PC中設定Ubuntu虛擬機並執行NCSDK(上)

• [Movidius神經運算棒]五步驟打造Intel Movidius NCS影像分類器

• [Movidius神經運算棒]在Raspberry Pi 上執行 Intel® Movidius™ NCS應用程式

• [Movidius神經運算棒] 什麼！用電池就能驅動的深度學習推論引擎？

• 使用 Intel® Movidius™ Neural Compute Stick搭配Raspberry Pi 3執行MobileNets