Raddstýring á PC og RaspberryPi með Whisper

raddstýring á tölvu og raspberry pi

Hugmynd verkefnisins er gefa raddleiðbeiningar til að hafa samskipti í gegnum tölvuna okkar eða Raspberry Pi með því að nota Voice-to-text Whisper líkanið.

Við munum gefa pöntun sem verður umrituð, breytt í texta, með Whisper og síðan greind til að framkvæma viðeigandi röð, sem getur verið frá því að keyra forrit til að gefa RaspberryPi pinna spennu.

Ég ætla að nota gamla Raspberry Pi 2, ör USB og ég mun nota Radd-í-texta líkanið sem OpenAI gaf út nýlega, Hvísla. Í lok greinarinnar má sjá aðeins meira hvísla.

Halda áfram að lesa

Google Collaboratory eða Google Colab

Google vann í samstarfi við Jupyter minnisbók Google forritara

Samstarfsaðili, einnig kallaður google colab Það er afurð Google Research og er notað til að skrifa og keyra Python og önnur tungumál úr vafranum okkar.

Hvað er

Ég skil eftir handbók fyrir byrjendur sem passar fullkomlega við þessa grein

Colab er gestgjafi Jupyter, sett upp og stillt, þannig að við þurfum ekki að gera neitt í tölvunni okkar heldur einfaldlega vinna úr vafranum, á auðlindum í skýinu.

Það virkar nákvæmlega það sama og Jupyter, þú getur séð grein okkar. Þetta eru fartölvur eða minnisbækur byggðar á frumum sem geta verið textar, myndir eða kóði, í þessu Python skrefi, því ólíkt Jupyter Colab í augnablikinu er aðeins hægt að nota Python kjarnann, þeir tala um að innleiða síðar aðra eins og R, Scala osfrv , en engin dagsetning er gefin upp.

Halda áfram að lesa

Námskeið til að læra Machine Learning, Deep Learning og Artificial intelligence

námskeið um vélanám, djúpt nám. Mikilvægi gagna

Þetta eru bestu auðlindirnar sem ég er að finna til að læra um vélanám, djúpt nám og önnur gervigreindarefni.

Það eru ókeypis og greidd námskeið og á mismunandi stigum. Auðvitað, þó að þeir séu til á spænsku, þá eru flestir á ensku.

Ókeypis námskeið

Fyrir byrjendur

Ég skipti því í stutt námskeið (frá 1 til 20 klukkustundir). Þetta er til fyrsta snertingar við efnið.

Halda áfram að lesa

Hvernig á að umbreyta töflum úr PDF í Excel eða CSV með Tabula

Sendu og umbreyttu pdf yfir í csv og skara fram úr

Þegar ég lít á söguleg gögn sem veðurathugunarstöð í borg minni býður upp á sé ég það þeir bjóða þær aðeins myndrænt og til niðurhals sem PDF. Ég skil ekki af hverju þeir láta þig ekki hlaða þeim niður í csv, sem væri mun gagnlegra fyrir alla.

Svo ég hef verið að leita að einum lausn til að koma þessum töflum frá pdf yfir á csv eða ef einhver vill sníða Excel eða Libre Office. Mér líkar við csv vegna þess að með csv gerirðu allt sem þú getur höndlað það með python og bókasöfnum þess eða þú getur auðveldlega flutt það inn í hvaða töflureikni sem er.

Þar sem hugmyndin er að ná sjálfvirku ferli, það sem ég vil er handrit til að vinna með Python og það er þar sem Tabula kemur inn.

Halda áfram að lesa

Anaconda kennsla: Hvað er það, hvernig á að setja það upp og hvernig á að nota það

Anaconda Data Science, stór gögn og pytho, R dreifing

Í þessari grein læt ég eftir a Uppsetningarhandbók Anaconda og hvernig á að nota Conda pakkastjóra þinn. Með þessu getum við búið til þróunarumhverfi fyrir python og R með bókasöfnunum sem við viljum. Mjög áhugavert að byrja að klúðra Machine Machine, gagnagreiningu og forritun með Python.

Anaconda er ókeypis og opinn upprunadreifing á Python og R forritunarmálum sem mikið eru notuð í vísindatölvu (Data ScienceData Science, Machine Learning, Science, Engineering, predictive analytics, Big Data, etc).

Það setur upp fjölda forrita sem eru mikið notaðar í þessum greinum í einu, í stað þess að þurfa að setja þau upp hvert af öðru. . Meira en 1400 og eru það mest notaðar í þessum greinum. Nokkur dæmi

  • Óbeit
  • Pandas
  • Tensorflæði
  • H20.ai
  • Skrýtið
  • Júpyter
  • Mælaborð
  • OpenCV
  • matplotLib

Halda áfram að lesa

Hvernig á að setja Keras og TensorFlow frá backend á Ubuntu

hvernig á að setja keras á ubuntu

Eftir að klára Námskeið í vélanámi, Ég var að leita hvert ég ætti að halda áfram. Þróunarumhverfið sem notað er á Octave / Matlab frumgerðinni er ekki það sem fólk notar, svo þú verður að taka stökkið í eitthvað meiri gæði. Meðal þeirra frambjóðenda sem mest hefur verið mælt með mér Keras, með stuðningi TensorFlow. Ég ætla ekki að fara út í það hvort Keras sé betri en önnur tæki eða rammar eða hvort ég eigi að velja TensorFlow eða Theano. Ég ætla aðeins að útskýra hvernig hægt er að setja það upp í Ubuntu.

Fyrst reyndi ég að setja það upp úr skjölunum á opinberu síðunum og það var ómögulegt, ég var alltaf með einhverja villu, einhverja óleysta spurningu. Í lokin fór ég að leita sérstök námskeið um hvernig á að setja upp keras í Ubuntu Og samt hef ég eytt tveimur dögum í að eyða miklum tíma á nóttunni. Að lokum hef ég náð því og ég læt eftir þér hvernig ég hef gert það ef það gæti rutt brautina fyrir þig.

Þar sem við ætlum að fylgja þeim leiðbeiningum sem vefsíðurnar mæla með að ég láti þig frá heimildarmönnum í lok kennslunnar ætlum við að setja upp PIP sem ég var ekki með til að stjórna pakkanum. Pip í linux er það, pakkastjórnunarkerfi skrifað í python.

sudo apt-get install python3-pip sudo apt install python-pip

Halda áfram að lesa

Ég er búinn með Coursera Machine Learning námskeiðið

Ég er búinn með Coursera Machine Learning námskeiðið

Ég er búinn Machine Learning námskeið í boði Stanford háskóla á Coursera, og þar sem það eru nú þegar nokkrir sem hafa spurt mig opinskátt og einkarekið um það, vildi ég smáatriða aðeins meira hvað mér sýndist og að hver sem ákveður að gera það viti hvað þeir ætla að finna.

Það er ókeypis námskeið um Machine Learning, kennt af Andrew Ng. einu sinni lokið ef þú vilt geturðu fengið skírteini sem styður þá færni sem náðst hefur fyrir € 68. Það skiptist í 3 stoðir, myndskeið, próf eða Quizz og forritunaræfingar. Það er á ensku. Þú ert með texta á nokkrum tungumálum en spænskan er ekki mjög góð og stundum eru þau úrelt, miklu betra ef þú setur þau á ensku.

Það er alveg fræðilegt. En kannski þess vegna virðist það vera góð leið til að byrja því þú ætlar ekki aðeins að læra hvað þú átt að gera heldur af hverju þú gerir það.

Halda áfram að lesa