Im vorherigen Artikel haben wir besprochen, wie die Trainingsdaten für das neuronale Netz vorbereitet werden – also Bilder und Sensordaten so aufzubereiten, dass sie für das Training verwendet werden können. Nun müssen diese Trainingsdaten auf dem Rechner vorliegen, auf dem das Training des neuronalen Netzes durchgeführt wird.

Das Training erfolgt komfortabel im Jupyter Notebook policy_learning.ipynb direkt im Browser. Diese Lösung ist besonders benutzerfreundlich, da man Schritt für Schritt durch den Trainingsprozess geführt wird. Das Notebook ist übersichtlich aufgebaut und übernimmt viele technische Details im Hintergrund. Wichtig ist lediglich, dass der angegebene Pfad in der base_dir-Variable korrekt gesetzt ist, also zu dem Verzeichnis passt, in dem eure Datensätze gespeichert sind.

Neuronales Netz mit eigenen Trainingsdaten trainieren

Jetzt kann der erste Probelauf starten: das Training eures eigenen neuronalen Netzes.

In meinem Fall habe ich den Ordner etwas anders benannt als im Notebook vorgegeben. Statt „dataset“ verwende ich „data_set“. Das muss ich entsprechend im Notebook anpassen:

  • base_dir = "data_set"

Die Variable dataset_name kann frei gewählt werden. Dieser Name wird später verwendet, um einen Ordner für den jeweiligen Trainingslauf anzulegen. Dort werden dann unter anderem das trainierte neuronale Netz und verschiedene Ergebnisdateien wie HTML-Berichte gespeichert. So lassen sich verschiedene Trainingsläufe gut voneinander unterscheiden.

  • dataset_name = "my_openbot_living_room_001"

Hier ein Screenshot des Konfigurationsabschnitts im Notebook:

OpenBot data processing

OpenBot data processing

Nach den getätigten Einstellungen kann das Training gestartet werden. Klickt dazu auf den Play-Button im Jupyter Notebook und arbeitet euch Schritt für Schritt durch die Zellen. Das Training wird dabei automatisch durchgeführt.

OpenBot run notebook

OpenBot run notebook

Nach erfolgreichem Durchlauf sollte das Training abgeschlossen sein. Es kann sein, dass euer Rechner – besonders bei CPU-basiertem Training – etwas wärmer wird.

Zusammenfassung: Trainingsdaten für neuronale Netze nutzen

Jetzt habt ihr fast alle Puzzlestücke beisammen. Es ist an der Zeit, eigene Trainingsdaten aufzuzeichnen und daraus ein neuronales Netz für den OpenBot zu trainieren. Ziel ist es, dass der OpenBot zuverlässig durch die Wohnung navigiert – ganz ohne Kollisionen und genau nach euren Vorgaben.

Im nächsten Artikel zeigen wir euch, wie das trainierte neuronale Netz in die Android-App integriert wird.


Artikel Übersicht OpenBot Roboter Auto:

OpenBot – Dein Smartphone wird zu einem autonomen Roboter Auto – Einleitung
OpenBot – Dein Smartphone steuert ein Roboter Auto – benötigte Bauteile Teil 1-2
OpenBot – Dein Smartphone steuert ein Roboter Auto – benötigte Bauteile Teil 2-2
OpenBot – Dein Smartphone steuert ein Roboter Auto – Chassis bauen
OpenBot – Dein Smartphone steuert ein Roboter Auto – Verkabelung
OpenBot – Dein Smartphone steuert ein Roboter Auto – Arduino Firmware aufspielen
OpenBot – Dein Smartphone steuert ein Roboter Auto – Android App und erster Probelauf
OpenBot – Dein Smartphone steuert ein Roboter Auto – Trainingsdaten aufzeichnen
OpenBot – Dein Smartphone steuert ein Roboter Auto – Trainingsumgebung einrichten
OpenBot – Dein Smartphone steuert ein Roboter Auto – das neuronale Netz trainieren
OpenBot – Dein Smartphone steuert ein Roboter Auto – Android Studio und Smartphone einrichten
OpenBot – Dein Smartphone steuert ein Roboter Auto – die eigene OpenBot Android App erstellen

Geplante Artikel in dieser Serie:

OpenBot – Dein Smartphone steuert ein Roboter Auto – OpenBot End-2-End Durchlauf