以下に従ってインストールしてみる。

Install guide: Raspberry Pi 3 + Raspbian Jessie + OpenCV 3



Raspberry Pi3　で
　Raspbian： 4.4.38-v7+  #938
　Python：　3.4.2
を使う。

URLのインストール手順のなかでも、

　cmake
　make

に恐ろしく時間がかかる。

気になっていた

O'Reillyの本
「ゼロから作るDeep Learning
―Pythonで学ぶディープラーニングの理論と実装」

を買ってみた。



レベル感が私にぴったりで、すごく丁寧にわかりやすく、タイトルどおり「ゼロから」説明されている。

まだ半分しか読んでないのだが、じっくり繰り返し読んでいきたい本である。

RaspberryPi3 に、やっと到着した USB マイクを動かしてみる。




 このUSBマイクは、型号：MI-305　made in China　で。

ネット情報をもとに、以下すすめる。

差し込んで、立ち上げただけ。
$ lsusb
Bus 001 Device 006: ID:xxxx:xxxx C-Media Electronics, Inc. CM108 Audio Controller
　：

$ arecord -l
カード 1：　Device [USB PnP Sound Device], デバイス 0：　USB Audio [USB Audio]
 # USBマイクの　カード番号：1／デバイス番号：0

$ amixer sget Mic -c 1
 # マイク音量の確認。　カード番号：　1

$ amixer sset Mic 16 -c 1
 # マイク音量の設定をMAXの 16

$ arecord -M -d5 -twav -fdat voice.wav -D plughw:1
  # マイク入力音声をWAVファイルへ保存
　１．サンプリングフォーマット：　48kHzステレオ（-fdatで DAT品質）
　２．5秒間（-d5で 5秒）
　３．保存ファイル名：　voice.wav
　４．使用する PCM 


このあと、aplay で、voice.wav を再生すると、録音できてた。
とりあえず簡単に動いた。

続きを読む

Raspberry Pi3 に Ubuntu を入れる。



RaspPi3をネットで買うときに、ついでに UDB wifi ドングルを買ってしまったが、Pi2と違い Pi3 は Wifi 付いてた（on board）。しまった。

Ubuntu の中でも、RaspPi3対応な、Ubuntu MATE を以下からとってくる。
https://ubuntu-mate.org/download/

7-zip で、xz ファイルを解凍して、sdカードに書き込む。


■　disk容量

Ubuntu MATEインストール後は、本来のSDカード容量に関係なく、８G程度になるらしい。俺のは16Gなのに有効に使えてない。
先達さんのWebに書いてあった手当を行う。

$ sudo fdisk /dev/mmcblk0

Tensorflow を勉強するために用意されているチュートリアルをやってみようと思った。
Qiita の記事にも登場しているので先達さんたちの日本語記事を参考にやっていこう。

本家チュートリアル
https://www.tensorflow.org/versions/master/tutorials/index.html
では、以下が用意されている。下から3つ目のように学習データの落とし方も含んでいるのだが。

　MNIST For ML Beginners
　Deep MNIST for Experts
　TensorFlow Mechanics 101
　TensorFlow Serving
　Convolutional Neural Networks
　Vector Representations of Words
　Recurrent Neural Networks
　Sequence-to-Sequence Models
　Mandelbrot Set
　Partial Differential Equations
　MNIST Data Download
　Image Recognition
　Deep Dream Visual Hallucinations



まずは一番初級　MNIST For ML Beginners　から


(tensorflow)take@ubuntu:~/tensorflow$ more mnist_for_ml_beginners.py

# -*- coding: utf-8 -*-

import tensorflow as tf
import input_data

# MNISTデータを取り出す。訓練データとテストデータで、画像と0-9のラベル
# mnist.train.images
# mnist.train.labels
# mnist.test.images
# mnist.test.labels

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

# Training用の入れ物の準備

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

# y_　：　正しい答え
# y 　：　予測した答え
y_ = tf.placeholder(tf.float32, [None, 10])

#  x*W+b を softmax と通し、y にする。
y = tf.nn.softmax(tf.matmul(x, W) + b)

# Training指標の準備
# 訓練するために、悪い（or 良い）を定義する。ここでは悪い（費用：コストがかかる）ことを
# 交差エントロピーで計算する。
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

# その費用を最適化するために、最急降下法を使う
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

#
init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_:batch_ys})

# 評価のために正解率を計算
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

Ubuntu（Vmplayer 上の GuestOS） に Tensorflowを入れてみる。

$ uname -a
Linux ubuntu 3.13.0-24-generic #47-Ubuntu SMP Fri May 2 23:30:00 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux
$


# $ python —version
Python 2.7.6

# virtualenv による環境準備

$ pip install virtualenv　　←　　エラーになった
Could not find any downloads that satisfy the requirement vertualenv

$sudo apt-get install python-virtualenv

$ mkdir ~/tensorflow
$ virtualenv -—system-site-packages ~/tensorflow
$ cd ~/tensorflow
$ source bin/activate

# TensorFlowのインストール
(tensorflow)$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

# お約束の Hello world! を
(tensorflow)$ python
Python 2.7.6 (default, Jun 22 2015, 17:58:13)
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>>
>>> import tensorflow as tf
>>> hello=tf.constant('Hello, Tensorflow!')
>>> sess=tf.Session()
>>> print sess.run(hello)
Hello, Tensorflow!
>>> a=tf.constant(5)
>>> b=tf.constant(17)
>>> print sess.run(a+b)
22
>>>

フランスのAldebaran社が開発した NAO を見せてもらった。

58cm、5.4kg のロボット。そこそこ大きなおもちゃだ。125万するけど。。。。

最近では、ホテルの受付コンシェルジュとして使われてるのがニュースになってた。
NAO自身が、お客様とのインターフェースになって、複雑な会話は、wifi 経由でクラウドの自然言語処理を行っているらしい。

ドコモのしゃべってコンシェルジュなどに繋げることができるのだろう。


Aldebaran社は、ソフトバンクグループで、あの Pepper を作った会社。