接受Laen（Dorkbot PDX後面的力量）

我在90年代有很好的樂趣寫神經網絡軟件，我急於嘗試使用Tensorflow創建一些。 谷歌的機器智能框架現在是新的熱門。當Tensorflow在覆盆子PI上安裝時，使用它變得非常容易。在短時間內，我製作了一個在二進製文件中計算的神經網絡。所以我以為我會通過我到目前為止學到的東西。希望這使得任何想要嘗試它的人，或者對於只需要對神經網絡有所了解的人來說，它更容易。 什麼是tensorflow？ 要引用Tensorflow網站，Tensorflow是一個“使用數據流圖的數字計算開源軟件庫”。 “數據流圖”是什麼意思？好吧，這是真棒的部分。但在我們可以回答之前，我們需要談談一個簡單的神經網絡的結構。 二進制計數器神經網絡 神經網絡的基礎知識 簡單的神經網絡具有一些輸入單元，輸入到達。它也有隱藏的單位，所謂的，因為從用戶的角度來看，他們就是隱藏的。並且有輸出單元，我們從中獲得結果。關閉側面也是偏置單元，這些單元在那裡有助於控制隱藏和輸出單元發出的值。連接所有這些單元是一堆權重，這只是數字，每個單位都與兩個單位相關聯。 我們將智能灌輸到這個神經網絡的方式是為所有這些權重分配值。這就是培訓神經網絡的所作的，找到那些權重的合適值。一旦培訓，在我們的示例中，我們將分別將輸入單元設置為0,0和0，TensorFlow將與之間的所有內容進行任何內容，輸出單元將神奇地包含二進制數字0,0和分別為1。如果你錯過了，它知道二元000後的下一個數字是001.對於001，它應該吐出010，所以最多111，其中它會吐出000.一旦那些重量適當地設置，它’LL知道如何計算。 二進制計數器神經網絡與矩陣 “運行”神經網絡的一步是通過其輸入單元的值將每個權重的值乘以，然後將結果存儲在相關聯的隱藏單元中。 我們可以重繪單位和權重用作為陣列，或者在Python中所謂的列表。來自數學立場，他們是矩陣。我們只重新繪製了圖中的一部分。將輸入矩陣乘以權重矩陣涉及簡單的矩陣乘法，從而產生五個元素隱藏矩陣/列表/數組。 從矩陣到張量 在Tensorflow中，這些列表稱為Tensors。並且矩陣乘法步驟稱為操作，或者程序員中的操作，如果您計劃讀取TensorFlow文檔，則必須習慣使用。進一步拍攝，整個神經網絡是一個張量的集合和操作的操作。完全彌補了一個圖表。 二進制櫃檯的完整圖表 二層擴張 這裡顯示的是快照所採取的Tensorboard，一種用於可視化圖形的工具，以及在訓練期間和之後檢查張量值。張量是線條，寫在線上是張量的尺寸。連接張量是所有操作系統，儘管可以雙擊您所看到的一些東西，以便在第二個快照中為Dialls1所做的更詳細信息，以便更詳細地展開。 在非常底部是x，我們為佔位符op提供的名稱，允許我們為輸入張量提供值。從它到左側的線路是輸入張量。繼續遵循這一點，您會找到Matmul OP，該OP與該輸入張量和扭矩一起乘法，這是導致Matmul OP的另一行。這種張量代表了重量。{...}

，當這個黑客是一個不需要計算機的惡性克隆系統時，您可能看起來令人困惑。這裡的那一點是，無論您的視頻源是什麼，這個系統都可以工作，過去很多項目都需要從計算機播放視頻。 這種黑客在基於ARM的定制工作的同一個路徑中，我們幾個月前。就像那個項目一樣，您使用HDMI Splitter來訪問進入電視的飼料。將分割信號送入HDMI以復合視頻適配器。複合信號由USB視頻編碼器捕獲。 GPIO標題驅動了一條可尋址的RGB LED。整件事件是一個使用一點繩子的動力。 它略微複雜。但所有的組件都很容易來源，而且相對便宜。一個警告是，如果您已經使用硬件HDMI源選擇器而不是一個版本，它可以最適用於您的電視。這樣，只有一個HDMI線進入電視，這可以從那種飼料中虹吸。{...}

[Florianh]擁有所有類型的新功能，展示了這一一代他的Quadcopter項目。在我們在最後一個版本的飛機上看，就可以看出升級或其他類型的修改。 你會在休息後發現一些外部飛行演示剪輯。在飛行中，我們對蝙蝠們留下了岩石的堅固穩定性。即使在您家中，最後一個版本也有一個暗示，因為管理循環計算穩定。在這裡，他借了來自開源Aeroquad項目的一些代碼，協助賬戶進行這種改進。然而，硬件選項也伸出手。他從ATMEga32移動了STM32F405RG處理器。這是利用STM的發現板的一個課程的ARM芯片。電機也已經升級了（如果您在可以聽到差異的兩個設計中聆聽的演示視頻）以及他重新設計框架，那麼將碳管與3D印刷部件結合起來，以保持其光明而亮起。升級是每一位令人印象深刻的原始版本！{...}