Χαρακτηριστικά

Αυτό το μοτίβο κώδικα δείχνει πώς να δημιουργείτε και να αναπτύσσετε εφαρμογές μηχανικής εκμάθησης που μπορούν να εκτελούνται εκτός σύνδεσης και απευθείας σε μια συσκευή (σε αυτήν την περίπτωση ένα Raspberry Pi). Χρησιμοποιώντας το Node-RED με το TensorFlow.js, μπορείτε να ενσωματώσετε τη μηχανική εκμάθηση στις συσκευές σας με έναν εύκολο τρόπο χαμηλού κώδικα.

Περιγραφή

Στις περισσότερες περιπτώσεις, η ενεργοποίηση της συσκευής σας IoT με δυνατότητες AI περιλαμβάνει την αποστολή των δεδομένων από τη συσκευή σε έναν διακομιστή. Οι υπολογισμοί μηχανικής εκμάθησης πραγματοποιούνται στον διακομιστή και στη συνέχεια τα αποτελέσματα αποστέλλονται πίσω στη συσκευή για τις κατάλληλες ενέργειες. Ωστόσο, αυτή δεν είναι μια ιδανική ή εφικτή προσέγγιση όταν η ασφάλεια δεδομένων ή η συνδεσιμότητα δικτύου αποτελεί ανησυχία.

Συνδυάζοντας το Node-RED με το TensorFlow.js, μπορείτε πιο εύκολα να προσθέσετε λειτουργικότητα μηχανικής εκμάθησης σε συσκευές:

• Κόμβος-ΚΟΚΚΙΝΟ είναι ένα εργαλείο οπτικού προγραμματισμού ανοιχτού κώδικα που προσφέρει ένα πρόγραμμα επεξεργασίας ροής που βασίζεται σε πρόγραμμα περιήγησης για τη σύνδεση συσκευών, API και διαδικτυακών υπηρεσιών. Χτισμένο στο Node.js, μπορείτε να επεκτείνετε τις δυνατότητες του Node-RED δημιουργώντας τους δικούς σας κόμβους ή εκμεταλλευόμενοι το οικοσύστημα JavaScript και NPM.
• TensorFlow.js είναι μια βιβλιοθήκη JavaScript ανοιχτού κώδικα για τη δημιουργία, την εκπαίδευση και την εκτέλεση μοντέλων μηχανικής εκμάθησης σε περιβάλλοντα JavaScript όπως το πρόγραμμα περιήγησης και το Node.js.

Όταν ολοκληρώσετε αυτό το μοτίβο κώδικα, θα καταλάβετε πώς:

• Δημιουργήστε έναν κόμβο Node-RED που περιλαμβάνει ένα μοντέλο TensorFlow.js.
• Δημιουργήστε και αναπτύξτε μια εφαρμογή Node-RED που χρησιμοποιεί έναν κόμβο TensorFlow.js.

Ροή

1. Χρησιμοποιήστε (ή κατεβάστε) ένα μοντέλο μηχανικής εκμάθησης σε μορφή TensorFlow.js.
2. Δημιουργήστε έναν κόμβο Node-RED για το μοντέλο TensorFlow.js και συνδέστε τον κόμβο TensorFlow.js σε μια εφαρμογή Node-RED.
3. Αναπτύξτε την εφαρμογή Node-RED τοπικά.
4. Αποκτήστε πρόσβαση στην εφαρμογή Node-RED από ένα πρόγραμμα περιήγησης και ενεργοποιήστε την εξαγωγή συμπερασμάτων σε εικόνες που τραβήχτηκαν από μια κάμερα web.
5. Εναλλακτικά, μπορείτε να αναπτύξετε την εφαρμογή Node-RED σε μια συσκευή Raspberry Pi.
6. Η συσκευή εκτελεί την εφαρμογή Node-RED και πραγματοποιεί εξαγωγή συμπερασμάτων σε εικόνες από κάμερα.
7. Η συσκευή εξέρχεται σε ένα συνδεδεμένο ηχείο ή κάνει κάποια άλλη ενέργεια ανάλογα με τα αποτελέσματα συμπερασμάτων.

Οδηγίες

Πηγαίνετε στο README αρχείο για λεπτομερείς οδηγίες σχετικά με τον τρόπο:

1. Κλωνοποιήστε το ρεπό.
2. Εγκαταστήστε το Node-RED.
3. Εγκαταστήστε τον κόμβο TensorFlow.js.
4. Εισαγάγετε τη ροή Node-RED.
5. Αναπτύξτε τη ροή Node-RED.

Πηγή: https://developer.ibm.com/patterns/develop-a-machine-learning-iot-app-with-node-red-and-tensorflowjs/