安裝jupyter notebook 於Raspberry Pi

1.) 安裝 jupyter notebook 

sudo pip3 install jupyter   

(約等個15分鐘吧..耐心等候)

2.) 讓 jupyter-notebook Server 可從windows連入

==> jupyter notebook --generate-config

#修改 ~/.jupyter/jupyter_notebook_config.py 找到
#c.NotebookApp.ip = ‘localhost'

改成

c.NotebookApp.ip = '0.0.0.0’ 

# 設定瀏覽器登入 jupyter notebook server密碼

==> jupyter notebook password

3.)啓動jupyter-notebook 


sudo jupyter-notebook

如果是root ,則要多加 --allow-root 才能啓動    sudo jupyter-notebook --allow-root     

4.) 在windows上,打開瀏覽器連入

http://192.168.1.252:8888/

Note: 192.168.1.252 為 Pi的Ethernet IP, 也可以用Wi-Fi 的IP連入, 只要那個IP是Windows能連到的即可 (同一個router所配的IP都OK!)

如何查Pi的IP?  請執行ifconfig  ==> 查看Pi網路IP 

(更多Pi 的基礎操作, 請看課程學習 )

 成功登入 jupyter notebook畫面~

 看一下 jupyter notebook kernel 使用的python 版本

工程師不可不知的影像辨識 3 階段

AI 時代中，「#影像辨識」是其中一項熱門的應用，在許多產業都可以見到「影像辨識」的蹤跡。若你擁有「影像辨識」的技術，意味著你所擁抱的機會更大。然而這項技術實際上有許多「眉眉角角」影響著專案的成果，如何讓你的「影像辨識」專案的準確率更高呢？更符合你設定的目標呢？

首先在第1個階段，從低階的處理技術進行 #影像預處理 (image preprocessing)。由於你所取得的影像資訊可能有尺寸大小不一、雜訊(noise)、對比度差異等問題，而為了增加後續作業的準確率，依據你所取得的影像狀況，你可以用 #OpenCV 這項工具進行 #影像預處理 的工作，像是 #對比度增強、 #去雜訊、 #尺寸重置 等。

接著在第2階段，運用 #OpenCV 進行像是 #影像閾值處理、#形態學轉換、#Canny邊緣檢測、#Harris角點檢測 等演算法來擷取 #影像特徵，方便後續的影像處理作業，像是 #切割( #Segmentation)、 #分類(#Classifiacation)等。

然後在第3個階段，運用 #Tensorflow、#Keras 等 #AI 工具建立 #深度學習( #DeepLearning)模型，讓演算法去 #擷取影像特徵 進行模型訓練，依據結果，在流程中的相應環節進行調整，讓機器實現「#感知」的目的。

如果你對影像辨識有濃厚的興趣，並且希望學習不是只有聽聽就忘了，而是能真正從影像處理、影像偵測，一直到影像辨識/感知 完整學會與產業接軌的技術，歡迎加入艾鍗的學習行列。

✨小班制教學 : 與老師一對一的互動，可以讓你的問題可以得到快速解答。

✨主題式實作演練 : 循序漸進的主題式引導搭配學員上機演練，讓你自然而然地學會關鍵技術，牢牢記住。

✨完整範例程式碼 : 程式碼均由老師debug(除錯)過，並附詳細解說加上秘技，讓你複習有依據，學習高成效，不會再因為卡關而放棄成就自己的機會。

✨產業工程師親授 : 學到書本上沒有的知識，賺到老師實務開發的經驗。而且有老師帶著學，學得更快。

別在把人生白白蹉跎掉，你值得更好的未來！
立即預約專業諮詢，請撥(02)2316-7736。
=============================
<AI影像系列課程>
💡AI深度學習與影像辨識 http://bit.ly/2NRDM5a
💡機器人AI視覺整合實務 http://bit.ly/2PMpYFU
💡影像辨識與邊緣運算實戰 http://bit.ly/2PRvvuK