内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

美国服务器_jojo的奇妙冒险第二部百度云_高性价比

2021-06-10 01:09 出处:欧普曼云计算 人气: 评论(0

美国服务器_jojo的奇妙冒险第二部百度云_高性价比

在这个博客系列的前两篇文章(这里和这里)中,我们介绍了我们的AI-In-Motion演示项目的设计和架构,一步一步地介绍了我们如何生成数据,并解释了我们如何选择和训练模型。在这个最终版本中,我们将展示我们如何将这两个模型部署到设备上,以及我们如何能够实现近乎实时的预测,从而实现娱乐和教育性的游戏体验。

在上一版本中,我们选择并培训了我们的两个TensorFlow机器学习模型。一旦我们有了模型,返现app,我们就有信心能够对现实世界中的物体和人类玩家提供"视觉"、"理解"和"反应",我们已经准备好将模型直接部署到Android设备上进行推理。

将模型转换为移动格式

TensorFlow Lite提供了将普通TensorFlow模型转换为TensorFlow Lite格式的工具。TensorFlow 1.9还提供了对象检测后处理操作。使用命令行工具将TensorFlow模型转换为TensorFlow Lite格式的说明可以在这里找到,也可以按照本文中的步骤进行操作。

游戏过程中的预测

对于这个项目,我们在数据收集、数据合成、数据准备、模型选择、,培训步骤。对设备的推断是一个相对简单的最后阶段,这是我们在项目初始阶段所做决定的结果。

目标检测

如前所述,在游戏过程中,我们使用安卓设备的摄像头捕捉竞技场的图像,然后将该图像传给设备上的TensorFlow Lite模型进行分析推理。该模型在图像中识别出不同的机器人和障碍物,并返回物体所在位置的细节以及物体在该位置的自信程度——一个置信度得分。不出所料,大数据分析培训,设备上的推理时间在60-80毫秒之间,云服务器价位,这给了我们在游戏过程中各种机器人位置的性能和可操作信息。

我们在TensorFlow团队提供的示例应用之上构建了单独的游戏Android应用。为了展示我们是如何利用示例应用程序的,让我们看看我们的Human Freeze Tag应用程序。主要的目标检测模块可以在这些代码行中看到,这些代码显示了我们如何将Android位图(从相机拍摄的图像)转换为TensorFlow Lite模型可用的内容。我们发现将TensorFlow与Android结合使用非常简单。

Commander model

游戏中使用的工具

我们使用Firebase的实时数据库来处理Android设备和我们的排行榜之间的所有通信,该排行榜记录了每个玩家的得分。由于每个竞技场的顶部都安装了一个设备来执行目标检测模型和指挥官模型来控制AI Sphero机器人,因此我们需要其他Android设备让人类玩家来控制他们的机器人。因此,我们需要一个快速、可靠的平台来运行我们的游戏后端,比如游戏何时开始、计时器、游戏事件(标记、冻结和僵尸状态更改)以及记分。它还需要保持所有设备的同步和更新,以便与玩家共享这些信息。

我们还为有三个人类玩家的游戏添加了一个有趣的功能。如果只有一个玩家来玩,我们不想让另外两个机器人无所事事。因此,建站快速,我们使用竞技场上方的手机来运行指挥官模型,让它"扮演"人类玩家的角色,并尝试逃跑、解冻或标记其他机器人球。我们能够通过以下方式实现这种互动:1。通过Firebase的实时数据库从竞技场上方的电话发送命令;以及2。配置通过蓝牙连接到Sphero设备的Android手机,将相同的命令传递给机器人球。

结论

在AI-In-Motion项目中,我们着手构建一个系统,购物返利app,演示计算机如何看到、理解和反应我们周围的世界。我们使用Google云平台进行复杂的训练,并在现实世界中部署预测来控制物理机器人球。在整个项目中,我们使用了来自TensorFlow社区的许多现有工具、模型和见解。我们的方法反映了收集和准备数据、选择模型、训练模型、评估和调整模型以及最终部署模型进行预测的相关和连续的过程。我们希望您能找到资源和灵感来构建自己的交互式、物理和机器人游戏!

分享给小伙伴们:
本文标签: 美国服务器jojo奇妙冒险二部百度性价比

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

签名: 验证码: 点击我更换图片

评论列表