Neural Nets & Raspberry Pi
Neural Nets & Raspberry Pi — Bir sinir ağının eğitimini izleyerek sinir ağlarını öğren, ardından simüle edilmiş bir Pi üzerinde çalıştır
Neural Nets & Raspberry Pi (uygulamanın içinde AI Lab olarak adlandırılır), 3B ortamda bir sinir ağının öğrenmesini izleyerek neural networks öğrenmek isteyen öğrenciler, hobi sahipleri ve meraklı yeni başlayanlar için ücretsiz bir iPhone ve Android uygulamasıdır — her nöron, ağırlık ve gradyan adımı TensorFlow üzerine kurulmuş bir sarmalayıcıyla değil, kendi küçük eğitim motoruyla hesaplanır. Bir model çalıştığında, onu int8'e küçültüp gerçek Python ile simüle edilmiş bir Raspberry Pi Pico'ya bağlayabilirsin.
- Fiyat
- Ücretsiz, Pro yükseltmesi
- Platformlar
- iOS ve Android
- Diller
- 10
- Yaş sınırı
- 4+
- Sürüm
- 1.2.0
- Gereksinimler
- iOS 15.1 veya sonrası
Her devasa AI modeli, birbirine bağlanmış milyonlarca aynı küçük birimden oluşur.
AI Lab'in ilk dersi tek bir nörondur: birkaç sayı girişi, her biri için bir ağırlık, bir bias, bir aktivasyon fonksiyonu ve tek bir sayı çıkışı. Bu tek birimi anladığında, uygulamanın geri kalanının — 3B eğitim laboratuvarlarının, nicemlenmiş modelin ve simüle edilmiş çipin — aynı fikrin büyütülmüş, ardından yeniden küçültülmüş hâli olduğunu görürsün.
Nedir
AI Lab uygulaması Neural Nets & Raspberry Pi, sinir ağlarını ve gömülü makine öğrenmesini (TinyML) uygulamalı olarak öğreten, öğrenciler ve hobi sahipleri için hazırlanmış ücretsiz bir iOS ve Android uygulamasıdır. Dersler tek bir nörondan çok katmanlı ağlara doğru ilerler; dört 3B laboratuvar, gradyan inişinin, nicemlemenin ve int8 çıkarımının gerçek bir küçük eğitim motorunda çalışmasını izlemene olanak tanır; Raspberry Pi Workbench ise sanal bileşenleri bağlamanı ve simüle edilmiş bir Pi Pico üzerinde gpiozero ile gerçek Python yazmanı sağlar.
Uygulamanın içinde
Nasıl görünüyor
Arka plan
Bir sinir ağı eğitim sırasında aslında ne yapar?
Sinir ağı, her biri girdilerini ağırlıklarla çarpan, bir bias ekleyen ve sonucu bir aktivasyon fonksiyonundan geçiren, nöron adı verilen basit birimlerden oluşan bir zincirdir. Eğitim, ağın çıktısının ne kadar hatalı olduğunu tekrar tekrar ölçmek ve loss adı verilen bu hatayı biraz azaltmak için her ağırlığı küçük miktarlarda ayarlamak demektir. Bunu binlerce kez yaptığında, ağın karar sınırı — kategoriler arasına çizdiği çizgi veya eğri — yavaş yavaş doğru konuma gelir. Eğitilmiş bir ağı küçük donanımda çalıştırmak ise ayrı ve ikinci bir sorundur: nicemleme ve gömülü çıkarım.
Ağırlıklar, bias ve aktivasyontek bir nöronun üç ayarı
Bir ağırlık, tek bir girdinin ne kadar önemli olduğuna karar verir; bias, girdilerden bağımsız olarak nöronun çıktısını kaydırır; aktivasyon ise sonucu sınırlı bir aralığa sıkıştırarak sınırsız bir sayı yerine karar gibi okunmasını sağlar. Bu birimlerden yeterince fazlasını aktivasyon olmadan üst üste koyarsan yine yalnızca tek bir düz çizgi elde edersin — bir ağın bükülmesini sağlayan şey aktivasyondur.
Loss ve gradyan inişiöğrenme nasıl gerçekleşir
Loss, ağın tahminleri kötü olduğunda yüksek, iyi olduğunda düşük olan tek bir sayıdır. Gradyan inişi, bu sayıyı en hızlı hangi yönde azaltacağını hesaplar ve her ağırlığı o yönde küçük bir adımla ilerletir; loss düşmeyi bırakana kadar bunu tekrarlar. Öğrenme oranı, bu adımın ne kadar büyük olduğunu belirler — çok küçük olursa eğitim sürünür, çok büyük olursa hedefi aşabilir ve ıraksayabilir.
Nicemlemeeğitilmiş bir modeli küçültmek
Yeni eğitilmiş bir ağ, ağırlıklarını 32 bitlik kayan noktalı sayılar olarak saklar; bu da bir mikrodenetleyici için fazla büyük ve yavaştır. Nicemleme, bu ağırlıkları genellikle 8 bitlik tamsayılara (int8) dönüştürerek çok daha küçük sayılara indirger; modelin boyutunu yaklaşık dörtte bire düşürür, ancak bunun karşılığında bir miktar doğruluk kaybedilir — makine öğrenmesini bir sunucu yerine küçük ve düşük güç tüketimli donanımda çalıştıran TinyML'nin temel ödünleşimi budur.
GPIO ve gpiozerodonanım tarafı
GPIO (genel amaçlı giriş/çıkış) pinleri, Raspberry Pi'nin fiziksel bileşenlerle iletişim kurmasını sağlar: bir LED, bir düğme veya bir buzzer. gpiozero, bağlantı şemalarını birkaç satır koda dönüştüren bir Python kitaplığıdır — düşük seviyeli register yazımları yerine `LED(17).on()` kullanırsın. Bu nedenle gerçek bir kart devreye girmeden önce Pi elektroniğine başlamak için genellikle tercih edilen noktadır.
Nasıl çalışır
Uygulama nasıl kullanılır?
Üç sekme birbiri üzerine kuruludur: bir şeyin nasıl çalıştığını oku, sonra gerçekleşmesini izle ve ardından fiziksel tarafını oluştur.
Kısa derslerden oluşan dünyayı keşfet
Signals & Neurons, Learning by Falling ve Deeper Minds dünyalarının her birinde üç ila beş kısa ders bulunur — önce bir nöron, ardından ağırlıklar ve bias, sonra loss ve gradyan inişi, en sonunda da tek bir düz çizginin neden yetersiz kaldığı — her ders bir testle sona erer; XP, seviyeler ve seri de ilerlemeni takip eder.
Labs bölümünde gerçek bir modeli izle ve ayarla
Loss Valley, gradyan inişini öğrenme oranıyla eğip çevirdiğin 3B bir manzara olarak görüntüler; Decision Surface, başlangıç seviyesinden ileri seviyeye uzanan altı pratik veri kümesini kullanarak bir spiral etrafına sınır çizer; The Shrinker, eğitilmiş bir ağı boyutunun dörtte birine kadar nicemler; The Chip ise gerçek int8 çıkarımı çalıştırır, böylece doğruluk-boyut-hız ödünleşimini hakkında okumak yerine gerçekleşirken izlersin.
Raspberry Pi Workbench'i bağla ve kodla
Workbench'i aç, simüle edilmiş 3B bir Pi Pico'ya sanal bileşenler ekle ve yerleşik düzenleyicide gpiozero ile gerçek Python yaz. Başlangıç seviyesinden ileri seviyeye uzanan beş başlangıç projesi bulunur: bir LED'i yakıp söndür, üç ışıklı trafik lambasını sırayla çalıştır, bir ışığı PWM ile kademeli olarak karartıp aydınlat, bir düğmeyi oku ve ardından beş LED'li Knight Rider çubuğunu sırayla hareket ettir.
İçinde neler var
Uygulamanın gerçekten kapsadığı konular
4
3B eğitim laboratuvarı
Loss Valley, Decision Surface, The Shrinker ve The Chip, uygulamanın kendi küçük eğitim motorunu canlı olarak çalıştırır; böylece gradyan inişi, öğrenilmiş bir sınır, nicemleme ve int8 çıkarımı statik şemalar olarak değil, izleyip eğebileceğin süreçler olarak görürsün.
5
Pi elektronik projeleri
Simüle edilmiş 3B bir Raspberry Pi Pico üzerinde gpiozero ile Python kullanarak bir LED'i yakıp söndür, bir trafik lambasını sırayla çalıştır, PWM ile kademeli olarak karartıp aydınlat, bir düğmeyi oku ve beş LED'li Knight Rider çubuğunu sırayla hareket ettir; her biri bağlantıları yapılmış ve kodlanmış projelerdir.
int8
Gerçek nicemlenmiş çıkarım
The Shrinker, eğitilmiş bir ağı yaklaşık dört kat daha küçük hâle gelecek şekilde nicemler; ardından The Chip sonuç üzerinde gerçek int8 çıkarımı çalıştırır. Böylece her gömülü sistem mühendisi için karşılaşılan boyut-doğruluk ödünleşimini kendin ölçersin.
3
Ücretsiz ders dünyaları
Signals & Neurons, Learning by Falling ve Deeper Minds — nöronlardan gradyan inişi üzerinden çok katmanlı ağlara uzanan dünyalar — tüm laboratuvarlar ve Pi Workbench'in tamamıyla birlikte ücretsizdir.
6
Pratik veri kümeleri
Two Blobs, XOR, Circles, Two Moons ve iki ek veri kümesi, Decision Surface laboratuvarının sınır öğrenme problemini farklı şekiller üzerinde yeniden çalıştırmanı sağlar; düz bir çizginin yeterli olduğu durumlardan gizli katmana ihtiyaç duyulan durumlara kadar.
9
Başarımlar ve Model Zoo
İlk dersi tamamlamaktan tüm laboratuvarlarda altın dereceye ulaşmaya kadar dokuz başarımın yanı sıra Loss Valley, Decision Surface, Shrinker ve Chip laboratuvarlarını tamamlayarak açılan, koleksiyonluk modellerden oluşan dört kartlık bir Model Zoo bulunur.
Uygunluk
Kimler için uygun — kimler için değil
Şu durumlarda senin için uygun
- Bir nöronun, loss değerinin ve gradient descent'in gerçekte ne yaptığını yalnızca terimleri okumakla kalmadan görmek istiyorsan
- Küçültülmüş, quantize edilmiş bir modeli küçük donanımda çalıştırmak anlamına gelen TinyML'i merak ediyor ve boyut ile doğruluk arasındaki dengeyi kendin deneyimlemek istiyorsan
- Gerçek bir karta zarar verme riskine girmeden önce Raspberry Pi bağlantılarını ve gpiozero ile Python'ı denemek istiyorsan
- Bir sunum destesinden çok, eğip çevirdiğin 3-D bir manzaradan ve hareketini izlediğin bir sınırdan daha iyi öğreniyorsan
- Başkasının AI kütüphanesini çağırmaya dayalı bir kurs yerine, sıfırdan anlatım istiyorsan
Şu durumlarda doğru araç değil
- TensorFlow veya PyTorch gibi üretim amaçlı bir machine-learning framework'üne ihtiyacın varsa — buradaki eğitim motoru gerçek iş yükleri için değil, öğrenmeyi kolaylaştırmak üzere küçük ve açıklanabilir tasarlandı
- Kodu doğrudan fiziksel donanıma uygulamadan önce görmek istiyorsan; buradaki Pi bir 3-D simülasyonudur ve yazdığın Python'ı daha sonra gerçek bir Pi kullanırsan taşıyabilirsin
- Her şeyi ücretsiz kullanmak istiyorsan: başlangıçtaki üç dünya, tüm laboratuvarlar ve Workbench ücretsizdir; Pro ise müfredatın geri kalanını açar.
- Sinir ağları konusunda zaten güçlü bir temelin varsa ve ilk prensipleri anlatan dersler yerine ileri düzey veya araştırma düzeyinde bir kaynak arıyorsan
Sorular
Sık sorulan sorular
Bir sinir ağının öğrenme biçimini gerçekten anlamanın en iyi yolu nedir?
Ağırlıklar ve gradient descent hakkında okumak bir yere kadar yeter; bir modelin loss değerinin gerçekten düştüğünü görmek aradaki boşluğu kapatır. AI Lab önce nöronları, ağırlıkları, bias'ı ve aktivasyonu öğretir; ardından Loss Valley laboratuvarı gradient descent'i, öğrenme oranıyla eğip çevirdiğin 3-D bir manzara olarak gösterir. Decision Surface ise öğrenilmiş bir sınırın gerçek zamanlı olarak bir spiralin etrafına nasıl sarıldığını gösterir. iOS ve Android'de ücretsiz.
Gradient descent nedir ve öğrenme oranı neden önemlidir?
Gradient descent, bir ağın kendi hatasını azaltma yöntemidir: Her adımda loss değerini en hızlı düşüren yönü hesaplar ve her ağırlığı o yöne doğru biraz iter; tıpkı bir topun yokuş aşağı, bir vadiye doğru yuvarlanması gibi. Öğrenme oranı her adımın ne kadar büyük olacağını belirler. Çok küçük olursa eğitim sürünür; çok büyük olursa top vadiyi aşabilir, dengelenmek yerine sekebilir veya ıraksayabilir. AI Lab'in Loss Valley laboratuvarında bu ayarı sürükleyerek farkın gerçek bir eğitim çalışmasında ortaya çıkışını izleyebilirsin.
Bir sinir ağını int8'e quantize etmek gerçekte ne yapar?
Yeni eğitilmiş bir ağ, ağırlıklarını 32-bit floating-point sayılar olarak saklar; bu da küçük donanımın karşılayabileceğinden daha fazla hassasiyet ve bellek demektir. Quantization, bu ağırlıkları çok daha küçük sayılara, yaygın olarak 8-bit integer'lara yuvarlayarak bazı doğruluk kayıpları karşılığında modeli yaklaşık dörtte bir boyuta küçültür. AI Lab'in Shrinker laboratuvarı bunu gerçek ve eğitilmiş bir model üzerinde gerçekleştirir; böylece boyut ile doğruluk arasındaki dengeyi okuduğun bir paragraf olarak değil, gördüğün bir sonuç olarak deneyimlersin.
TinyML nedir?
TinyML, bir sunucu veya telefon yerine küçük ve düşük güç tüketimli donanımda — bir microcontroller veya single-board computer üzerinde — çalıştırılan machine learning'dir; bu da modelin önce küçültülmesi gerektiği anlamına gelir. AI Lab'in Shrinker ve Chip laboratuvarları tam olarak bu süreci ele alır: eğitilmiş bir ağı quantize eder, ardından sonuç üzerinde gerçek int8 inference çalıştırır. Bundan sonra uygulamanın Raspberry Pi Workbench'i gömülü projelerin fiziksel bağlantı tarafına geçer.
Raspberry Pi sahibi olmadan Raspberry Pi programlamayı öğrenebilir miyim?
Evet. AI Lab'in Raspberry Pi Workbench'i bir Pi Pico'nun ayrıntılı 3-D simülasyonudur: sanal bileşenler ekler, bağlantılarını yapar ve yerleşik editörde gpiozero kütüphanesiyle gerçek Python yazarsın; satın alman veya zarar verme riskine girmen gereken bir kart yoktur. Beş başlangıç projesi, ilk yanıp sönen LED'den düğmeyle kontrol edilen LED'e ve beş LED'li Knight Rider taramasına kadar uzanır. Yazdığın Python, daha sonra gerçek bir Raspberry Pi ile proje yaptığında doğrudan kullanılabilir.
gpiozero nedir ve uygulama neden onu kullanıyor?
gpiozero, bir Raspberry Pi'nin GPIO pinlerini basit nesnelere ve yöntemlere dönüştüren bir Python kütüphanesidir — bir LED'i yakmak, düşük seviyeli bir register yazmak yerine tek satırla yapılır — bu yüzden Pi elektroniğine başlamak için genellikle tercih edilir. AI Lab'in Workbench'i simülasyonunda aynı kütüphaneyi kullanır; böylece uygulamada bir LED'i, düğmeyi veya buzzer'ı bağlamak gerçek donanımda yapacağınla aynı şekilde görünür.
AI Lab ücretsiz mi?
Evet. AI Lab'i App Store ve Google Play üzerinden ücretsiz indirebilirsin. Tek bir nörondan gradient descent'e ve çok katmanlı ağlara uzanan ilk üç ders dünyası, tüm 3-D laboratuvarları ve eksiksiz Raspberry Pi Workbench ücretsiz olarak kullanılabilir. AI Lab Pro, ders müfredatının geri kalanını açar ve reklamları kaldırır. Uygulama 4+ olarak derecelendirilmiştir ve mevcut sürüm 1.2.0'dır.
Başlamak için matematik veya programlama altyapısına ihtiyacım var mı?
Hayır. AI Lab, herhangi bir kod gösterilmeden önce bir nöronun ne olduğunu — ağırlıklarla çarpılan, bias ile toplanan ve bir aktivasyondan geçirilen birkaç sayı — anlatır; ardından her kısa dersi tamamlayan bir quiz ile fikirleri adım adım geliştirir. Raspberry Pi Workbench de önceki programlama deneyimini varsaymak yerine Python'ı gpiozero aracılığıyla proje proje ve kademeli olarak tanıtır.
AI Lab'deki sinir ağı motoru TensorFlow veya PyTorch ile aynı mı?
Hayır ve uygulama bunu açıkça belirtir. AI Lab'in eğitim motoru, özellikle anında eğitim vermesi ve öğrenme ile görselleştirme için tamamen açıklanabilir kalması amacıyla sıfırdan oluşturulmuş, küçük ve deterministic bir uygulamadır; üretim amaçlı bir machine-learning framework'ü değildir. Öğrettiği fikirler — nöronlar, ağırlıklar, loss, gradient descent ve quantization — çok daha büyük ölçekte TensorFlow veya PyTorch tarafından kullanılan fikirlerle aynıdır.
iPhone ve Android'de var mı, her mağazada adı ne?
Neural Nets & Raspberry Pi, App Store üzerinden iOS'ta ve Google Play üzerinden Android'de çalışır; arayüzü 10 dilde sunulur ve yaş derecelendirmesi 4+'dır. Uygulama ekranlarında ve simgesinde kendisini AI Lab olarak adlandırır; App Store'da AI Lab: Neural Networks & IoT, Google Play'de ise Neural Nets & Raspberry Pi adıyla listelenir. Her iki platformda da aynı uygulamadır.
Başla
Bir sinir ağının öğrenmesini izle, sonra onu bir çipe taşı
iOS ve Android'de ücretsiz — nöronlardan gradient descent'e, oradan da bağlantıları yapılmış bir Raspberry Pi Pico'ya.
CoddyKit'ten daha fazlası
iOS ve Android üzerinde kullanılabilir.