შექმენით Pi ნაგვის კლასიფიკატორი ML! - ით: 8 ნაბიჯი (სურათებით)

2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:15

ნაგვის კლასიფიკატორის პროექტი, სიყვარულით ცნობილი როგორც "სად მიდის ?!", შექმნილია იმისათვის, რომ ნივთების გადაყრა უფრო სწრაფად და საიმედოდ აქციოს.

ეს პროექტი იყენებს Machine Learning (ML) მოდელს, რომელიც გაწვრთნილია ლობეში, დამწყებთათვის შესაფერისი (არა კოდი!) ML მოდელის შემქმნელი, რათა დადგინდეს, მიდის თუ არა ობიექტი ნაგავში, გადამუშავებაზე, კომპოსტზე ან საშიშ ნარჩენებზე. მოდელი შემდეგ იტვირთება Raspberry Pi 4 კომპიუტერზე, რათა ის გამოსაყენებელი იყოს ყველგან, სადაც ნაგვის ურნებს იპოვით!

ეს სამეურვეო პროგრამა გიბიძგებთ თუ როგორ შექმნათ თქვენი საკუთარი ნაგვის კლასიფიკატორი პროექტი Raspberry Pi– ზე Lobe TensorFlow მოდელიდან Python3– ში.

სირთულე: დამწყები ++ (გარკვეული ცოდნა სქემებთან და კოდირებაში სასარგებლოა)

წაკითხვის დრო: 5 წთ

მშენებლობის დრო: 60 - 90 წთ

ღირებულება: ~ 70 $ (Pi 4 -ის ჩათვლით)

მასალები:

პროგრამული უზრუნველყოფა (კომპიუტერის მხრივ)

• ლობიო
• WinSCP (ან სხვა SSH ფაილის გადაცემის მეთოდი, შეგიძლიათ გამოიყენოთ CyberDuck Mac– ისთვის)
• ტერმინალი
• დისტანციური სამუშაო მაგიდის კავშირი ან RealVNC

ტექნიკა

• ჟოლო Pi, SD ბარათი და USB-C კვების წყარო (5V, 2.5A)
• პი კამერა
• Pushbutton

• 5 LED (4 ინდიკატორის LED და 1 სტატუსის LED)

  • ყვითელი LED: ნაგავი
  • ლურჯი LED: გადამუშავება
  • მწვანე LED: კომპოსტი
  • წითელი LED: სახიფათო ნარჩენები
  • თეთრი LED: სტატუსი
• 6 220 Ohm წინააღმდეგობა
• 10 M-to-M jumper მავთულები
• პურის დაფა, ნახევარი ზომის

თუ აირჩევთ შედუღებას:

• 1 JST კონექტორი, მხოლოდ ქალის ბოლომდე
• 2 M-to-F jumper მავთულები
• 10 F-to-F jumper მავთულები
• PCB

დანართი

• პროექტის ქეისი (მაგ. მუყაო, ხე ან პლასტმასის ყუთი, დაახ. 6 "x 5" x 4 ")

• 0.5 "x 0.5" (2 სმ x 2 სმ) გამჭვირვალე პლასტიკური კვადრატი

  Მაგალითად. პლასტიკური საკვების კონტეინერის სახურავიდან

• Velcro

ინსტრუმენტები

• Მავთულის საჭრელები
• ზუსტი დანა (მაგ. ზუსტი დანა) და საჭრელი ხალიჩა
• შესადუღებელი რკინა (სურვილისამებრ)
• ცხელი დნობის ინსტრუმენტი (ან სხვა არაგამტარ წებო-ეპოქსია მშვენივრად მუშაობს, მაგრამ მუდმივია)

ნაბიჯი 1: სანამ დავიწყებთ

ეს პროექტი ვარაუდობს, რომ თქვენ იწყებთ Raspberry Pi– ს სრულად დაყენებულს უთავო კონფიგურაციაში. აქ მოცემულია დამწყებთათვის შესაფერისი სახელმძღვანელო, თუ როგორ უნდა გავაკეთოთ ეს.

ის ასევე გვეხმარება ვიცოდეთ შემდეგი საკითხების შესახებ:

1. გაცნობა ჟოლოს პი

   • აქ არის მოსახერხებელი დაწყების სახელმძღვანელო!
   • ასევე სასარგებლოა: Pi კამერის დაწყება

2. პითონის კოდის კითხვა და რედაქტირება (თქვენ არ დაგჭირდებათ პროგრამის დაწერა, უბრალოდ შეცვალეთ)

   გაცნობა პითონში Raspberry Pi– ით

3. Fritzing გაყვანილობის დიაგრამების კითხვა

4. პურის დაფის გამოყენება

   როგორ გამოვიყენოთ breadboard tutorial

გაარკვიეთ სად მიდის თქვენი ნაგავი

აშშ -ს თითოეულ ქალაქს (და მე ვივარაუდებ, რომ დედამიწაზე) აქვს საკუთარი ნაგავი/გადამუშავება/კომპოსტი/და ა.შ. შეგროვების სისტემა. ეს ნიშნავს, რომ ნაგვის ზუსტი კლასიფიკატორის შესაქმნელად, ჩვენ დაგვჭირდება 1) შევქმნათ მორგებული ML მოდელი (ჩვენ ამას განვიხილავთ მომდევნო ეტაპზე - კოდი არ არის!) და 2) ვიცით სად მიდის ნაგვის თითოეული ნაჭერი.

ვინაიდან მე ყოველთვის არ ვიცოდი სათავსო თითოეული ნივთისთვის, რომელსაც ჩემი მოდელის მომზადებისთვის ვიყენებდი, გამოვიყენე სიეტლის კომუნალური ფლაერი (ფოტო 1) და ასევე ეს მოსახერხებელი "სად მიდის?" საძიებელი ინსტრუმენტი ქალაქ სიეტლში! შეამოწმეთ რა რესურსები გაქვთ თქვენს ქალაქში, მოძებნეთ თქვენი ქალაქის ნაგვის შეგროვების პროგრამა და გაეცანით მის ვებსაიტს.

ნაბიჯი 2: შექმენით მორგებული ML მოდელი ლობეში

ლობი არის ადვილად გამოსაყენებელი ინსტრუმენტი, რომელსაც აქვს ყველაფერი რაც თქვენ გჭირდებათ თქვენი მანქანათმცოდნეობის იდეების განსახორციელებლად. აჩვენეთ მაგალითები იმისა, რისი გაკეთებაც გსურთ და ის ავტომატურად ავარჯიშებს მანქანათმცოდნეობის მორგებულ მოდელს, რომლის ექსპორტირება შესაძლებელია უკიდურესი მოწყობილობებისა და აპებისთვის. დასაწყებად არ საჭიროებს რაიმე გამოცდილებას. შეგიძლიათ უფასოდ ივარჯიშოთ საკუთარ კომპიუტერზე!

აქ არის სწრაფი მიმოხილვა, თუ როგორ გამოიყენოთ ლობე:

1. გახსენით ლობეს პროგრამა და შექმენით ახალი პროექტი.

2. გადაიღეთ ან შემოიტანეთ ფოტოები და მონიშნეთ ისინი შესაბამის კატეგორიებში. (ფოტო 1) ეს ეტიკეტები მოგვიანებით დაგვჭირდება პროექტის პროგრამულ ნაწილში.

ფოტოების იმპორტის ორი გზა არსებობს:

1. გადაიღეთ ნივთების ფოტოები პირდაპირ თქვენი კომპიუტერის ვებკამერიდან, ან

2. თქვენს კომპიუტერში არსებული საქაღალდეებიდან ფოტოების იმპორტი.

   გაითვალისწინეთ, რომ ფოტო საქაღალდის სახელი გამოყენებული იქნება როგორც კატეგორიის ეტიკეტის სახელი, ასე რომ დარწმუნდით, რომ ის ემთხვევა არსებულ ლეიბლებს

გარდა ამისა: მე დავასრულე ორივე მეთოდი, რადგან რაც უფრო მეტი ფოტო გაქვთ, მით უფრო ზუსტი იქნება თქვენი მოდელი.

3. გამოიყენეთ "თამაში" ფუნქცია მოდელის სიზუსტის შესამოწმებლად. შეცვალეთ დისტანციები, განათება, ხელის პოზიციები და ა.შ. რათა დადგინდეს სად არის მოდელი და არ არის ზუსტი. საჭიროების შემთხვევაში დაამატეთ მეტი ფოტო. (ფოტოები 3 - 4)

4. როდესაც მზად იქნებით, გაუშვით თქვენი Lobe ML მოდელი TensorFlow (TF) Lite ფორმატში.

Რჩევები:

• ფოტოების იმპორტის დაწყებამდე შეადგინეთ ყველა ის კატეგორია, რომელიც დაგჭირდებათ და როგორ გსურთ მათი ეტიკეტირება (მაგ. "ნაგავი", "გადამუშავება", "კომპოსტი" და ა.შ.)

  შენიშვნა: გამოიყენეთ იგივე ეტიკეტები, როგორც ნაჩვენებია "Lobe Model Labels" - ის ფოტოში ზემოთ, რათა შეამციროთ კოდის რაოდენობა, რომელიც თქვენ გჭირდებათ შესაცვლელად

• ჩართეთ კატეგორია "არ არის ნაგავი", რომელსაც აქვს ფოტოები, რაც სხვაგან შეიძლება იყოს ფოტოში (მაგალითად, ხელები და მკლავები, ფონი და ა.
• თუ შესაძლებელია, გადაიღეთ ფოტოები Pi კამერიდან და შეიტანეთ ლობეში. ეს მნიშვნელოვნად გააუმჯობესებს თქვენი მოდელის სიზუსტეს!
• გჭირდებათ მეტი ფოტო? შეამოწმეთ ღია კოდის მონაცემთა ნაკრები Kaggle– ში, ნაგვის კლასიფიკაციის სურათის ჩათვლით!
• გჭირდებათ მეტი დახმარება? დაუკავშირდით Lobe Coommunity– ს Reddit– ზე!

ნაბიჯი 3: შექმენით იგი: აპარატურა

1. ფრთხილად დააკავშირეთ Pi კამერა Pi– სთან (ეწვიეთ Pi ფონდის დაწყების გზამკვლევს დამატებითი ინფორმაციისათვის). (ფოტო 1)

2. დაიცავით გაყვანილობის დიაგრამა ღილაკზე და LED- ებზე Pi GPIO ქინძისთავებთან დასაკავშირებლად.

• Pushbutton: დააკავშირეთ ღილაკის ერთი ფეხი GPIO პინთან 2. დაუკავშირეთ მეორე, რეზისტორის საშუალებით, GPIO GND პინს.
• ყვითელი LED: შეაერთეთ პოზიტიური (გრძელი) ფეხი GPIO პინთან 17. შეაერთეთ მეორე ფეხი, რეზისტორის საშუალებით, GPIO GND პინთან.
• ლურჯი LED: შეაერთეთ პოზიტიური ფეხი GPIO პინთან 27. შეაერთეთ მეორე ფეხი, რეზისტორის საშუალებით, GPIO GND პინთან.
• მწვანე LED: შეაერთეთ პოზიტიური ფეხი GPIO პინთან 22. შეაერთეთ მეორე ფეხი რეზისტორის საშუალებით GPIO GND პინთან.
• წითელი LED: შეაერთეთ პოზიტიური ფეხი GPIO პინთან 23. შეაერთეთ მეორე ფეხი, რეზისტორის საშუალებით, GPIO GND პინთან.
• თეთრი LED: დააკავშირეთ პოზიტიური ფეხი GPIO პინთან 24. შეაერთეთ მეორე ფეხი რეზისტორის საშუალებით GPIO GND პინთან.

3. მიზანშეწონილია შეამოწმოთ თქვენი წრე პურის დაფაზე და გაუშვათ პროგრამა სანამ შეაერთებთ ან გახდებით რომელიმე კავშირი მუდმივი. ამისათვის ჩვენ უნდა დავწეროთ და ატვირთოთ ჩვენი პროგრამული უზრუნველყოფის პროგრამა, ასე რომ გადავიდეთ შემდეგ საფეხურზე!

ნაბიჯი 4: კოდირება: პროგრამული უზრუნველყოფა

1. თქვენს კომპიუტერში გახსენით WinSCP და დაუკავშირდით თქვენს Pi- ს. შექმენით Lobe საქაღალდე თქვენი Pi– ს სახლის დირექტორიაში და შექმენით მოდელის საქაღალდე ამ დირექტორიაში.

2. გადაიტანეთ Lobe TF საქაღალდის შინაარსი Pi- ზე. გაითვალისწინეთ ფაილის ბილიკი:/home/pi/Lobe/model

3. Pi– ზე გახსენით ტერმინალი და ჩამოტვირთეთ lobe-python ბიბლიოთეკა Python3– ისთვის შემდეგი bash ბრძანებების გაშვებით:

pip3 დააინსტალირეთ

pip3 ინსტალაციის ლობი

4. ჩამოტვირთეთ ნაგვის კლასიფიკატორის კოდი (rpi_trash_classifier.py) ამ რეპოდან Pi- ზე (დააწკაპუნეთ ღილაკზე "კოდი", როგორც ნაჩვენებია ფოტო 1 -ში).

• გირჩევნიათ კოპირება/ჩასმა? მიიღეთ ნედლეული კოდი აქ.
• გირჩევნია გადმოწერო კომპიუტერზე? გადმოწერეთ რეპო/კოდი თქვენს კომპიუტერზე, შემდეგ გადაიტანეთ პითონის კოდი Pi– ზე WinSCP (ან თქვენი სასურველი დისტანციური ფაილის გადაცემის პროგრამის საშუალებით).

5. მას შემდეგ რაც აპარატურა დააკავშირეთ Pi- ს GPIO ქინძისთავებთან, წაიკითხეთ მაგალითი კოდი და განაახლეთ ფაილის ნებისმიერი ბილიკი საჭიროებისამებრ:

• ხაზი 29: ფაილის გზა Lobe TF მოდელისკენ
• სტრიქონები 47 და 83: ფაილის გზა გადაღებული სურათებისთვის Pi კამერის საშუალებით

6. საჭიროების შემთხვევაში, განაახლეთ მოდელის ეტიკეტები კოდში, რათა ზუსტად შეესაბამებოდეს თქვენს ლობეს მოდელის ეტიკეტებს (მათ შორის კაპიტალიზაცია, პუნქტუაცია და ა.შ.):

• ხაზი 57: "ნაგავი"
• ხაზი 60: "გადამუშავება"
• ხაზი 63: "კომპოსტი"
• ხაზი 66: "სახიფათო ნარჩენების ობიექტი"
• სტრიქონი 69: "არა ნაგავი!"

7. გაუშვით პროგრამა ტერმინალის ფანჯარაში Python3– ის გამოყენებით:

python3 rpi_trash_classifier.py

ნაბიჯი 5: გამოცადეთ: გაუშვით პროგრამა

პროგრამის მიმოხილვა

როდესაც პირველად აწარმოებთ პროგრამას, გარკვეული დრო დასჭირდება TensorFlow ბიბლიოთეკის და Lobe ML მოდელის ჩატვირთვას. როდესაც პროგრამა მზად არის სურათის გადასაღებად, სტატუსის შუქი (თეთრი LED) პულსირდება.

სურათის გადაღების შემდეგ, პროგრამა ადარებს სურათს Lobe ML მოდელს და გამოაქვეყნებს წინასწარმეტყველებას (სტრიქონი 83). გამომავალი განსაზღვრავს რომელი შუქი არის ჩართული: ყვითელი (ნაგავი), ლურჯი (გადამუშავება), მწვანე (კომპოსტი), ან წითელი (საშიში ნარჩენები).

თუ არცერთი ინდიკატორის LED არ ჩართულია და სტატუსის LED ბრუნდება პულსის რეჟიმში, ეს ნიშნავს, რომ გადაღებული სურათი "არ არის ნაგავი", სხვა სიტყვებით რომ ვთქვათ, გადაიღეთ ფოტო!

სურათის გადაღება

დააჭირეთ ღილაკს სურათის გადასაღებად. გაითვალისწინეთ, რომ შეიძლება დაგჭირდეთ ღილაკის დაჭერა მინიმუმ 1 წმ პროგრამისთვის პრესის რეგისტრაციისთვის. მიზანშეწონილია გადაიღოთ რამდენიმე სატესტო სურათი, შემდეგ გახსნათ ისინი სამუშაო მაგიდაზე კამერის ხედისა და ჩარჩოს უკეთ გასაგებად.

იმისათვის, რომ მომხმარებელს შეეძლოს ობიექტის პოზიციონირება და კამერის სინათლის დონის რეგულირება, დაახლოებით 5 წამი სჭირდება სურათის სრულად გადაღებას. თქვენ შეგიძლიათ შეცვალოთ ეს პარამეტრები კოდში (სტრიქონები 35 და 41), მაგრამ გახსოვდეთ Pi ფონდი გირჩევთ მინიმუმ 2 წმ სინათლის დონის კორექტირებისთვის.

Დიაგნოსტიკა

ყველაზე დიდი გამოწვევა არის იმის უზრუნველყოფა, რომ გადაღებული სურათი არის ის, რასაც ჩვენ ველოდებით, ასე რომ გარკვეული დრო დაუთმეთ სურათების გადახედვას და მოსალოდნელი შედეგების შედარება ინდიკატორის LED გამომავალთან. საჭიროების შემთხვევაში, თქვენ შეგიძლიათ სურათები გადასცეთ Lobe ML მოდელს უშუალო ჩარევისა და უფრო სწრაფი შედარებისთვის.

რამდენიმე რამ უნდა აღინიშნოს:

• TensorFlow ბიბლიოთეკა სავარაუდოდ გადააგდებს გამაფრთხილებელ შეტყობინებებს - ეს ტიპიურია ამ ნიმუშის კოდში გამოყენებული ვერსიისთვის.
• პროგნოზის ეტიკეტები ზუსტად უნდა იყოს ჩაწერილი led_select () ფუნქციაში, მათ შორის დიდი ასოებით, პუნქტუაციით და ინტერვალით. დარწმუნდით, რომ შეცვალოთ ეს თუ თქვენ გაქვთ სხვა ლობეს მოდელი.
• Pi მოითხოვს მუდმივ დენის წყაროს. Pi- ს ენერგიის შუქი უნდა იყოს ნათელი, მყარი წითელი.
• თუ ერთი ან მეტი LED- ები არ ირთვება, როდესაც მოსალოდნელია, შეამოწმეთ ისინი აიძულეთ ბრძანებით:

red_led.on ()

ნაბიჯი 6: (სურვილისამებრ) შექმენით იგი: დაასრულეთ თქვენი წრე

ახლა, როდესაც ჩვენ შევამოწმეთ და, საჭიროების შემთხვევაში, გამოვასწორეთ, ჩვენი პროექტი ისე, რომ ის მუშაობდეს როგორც მოსალოდნელი იყო, ჩვენ მზად ვართ შევაერთოთ ჩვენი წრე!

შენიშვნა: თუ თქვენ არ გაქვთ გამაგრილებელი რკინა, შეგიძლიათ გამოტოვოთ ეს ნაბიჯი. ერთი ალტერნატივაა მავთულის კავშირების დაფარვა ცხელ წებოვანაში (ეს ვარიანტი საშუალებას მოგცემთ დააფიქსიროთ/დაამატოთ/გამოიყენოთ საგნები მოგვიანებით, მაგრამ უფრო სავარაუდოა რომ გატეხილია), ან გამოიყენოთ ეპოქსიდური ან მსგავსი მუდმივი წებო (ეს ვარიანტი გაცილებით გამძლე იქნება მაგრამ ამის შემდეგ თქვენ ვერ შეძლებთ გამოიყენოთ წრე ან პოტენციურად Pi)

სწრაფი კომენტარი ჩემი დიზაინის არჩევანის შესახებ (ფოტო 1):

• მე ავირჩიე ქალი ჯუმბერის მავთულები LED- ებისთვის და Pi GPIO– სთვის, რადგან ისინი მაძლევენ საშუალებას ამოვიღო LED- ები და შევცვალო ფერები ან გადავიტანო საჭიროების შემთხვევაში. თქვენ შეგიძლიათ გამოტოვოთ ეს, თუ გსურთ კავშირები მუდმივი გახადოთ.
• ანალოგიურად, მე ავირჩიე JST კონექტორი ღილაკზე.

წინ მშენებლობისკენ

1. გაჭერით თითოეული ქალი მხტუნავის მავთული შუაზე (დიახ, ყველა მათგანი!). მავთულხლართების გამოყენებით ამოიღეთ მავთულის იზოლაციის დაახლოებით 1/4 (1/2 სმ).

2. თითოეული LED- ისთვის შეაერთეთ 220Ω რეზისტორი უარყოფით (მოკლე) ფეხიზე. (ფოტო 2)

3. გაჭერით პატარა ნაჭერი, დაახლოებით 1 სმ (2 სმ) სითბოს შემცირების მილი და გადააადგილეთ LED და რეზისტორის შეერთება. დარწმუნდით, რომ სხვა რეზისტორის ფეხი მისაწვდომია, შემდეგ გაათბეთ შემცირების მილი სანამ არ დაიცავს სახსარს. (ფოტო 3)

4. ჩადეთ თითოეული LED წყვილი მხტუნავ მავთულხლართებში. (ფოტო 4)

5. მონიშნეთ ჯუმბერის მავთულები (მაგ. ლენტით), შემდეგ შეაერთეთ ჯამპერის მავთულები თქვენს დაბეჭდილ მიკროსქემის დაფაზე (PCB). (ფოტო 5)

6. შემდეგი, გამოიყენეთ (დაჭრილი) ქალი მხტუნავის მავთული თითოეული LED- ის მის შესაბამის Pi GPIO პინთან დასაკავშირებლად. შეაერთეთ და მონიშნეთ ჯუმბერის მავთული ისე, რომ შიშველი ლითონი დაუკავშირდეს დადებით LED ფეხს PCB– ის საშუალებით. (ფოტო 5)

შენიშვნა: სად შეაერთებთ ამ მავთულს, ეს დამოკიდებულია თქვენს PCB განლაგებაზე. თქვენ ასევე შეგიძლიათ შეაერთოთ ეს მავთული უშუალოდ პოზიტიური LED ჯუმბერის მავთულზე.

7. შედუღეთ 220Ω რეზისტორი JST კონექტორის უარყოფით (შავ) ბოლოს. (ფოტო 6)

8. შეაერთეთ JST კონექტორი და რეზისტორი ღილაკზე. (ფოტო 6)

9. შეაერთეთ M-to-F ჯუმბერის მავთულები დაჭერით ღილაკზე და GPIO ქინძისთავებს შორის (შეხსენება: შავი არის GND).

10. დაფარეთ PCB ცხელი წებოთი ან ეპოქსიდში უფრო უსაფრთხო კავშირისთვის.

შენიშვნა: თუ თქვენ აირჩევთ ეპოქსიდის გამოყენებას, შესაძლოა მომავალში ვერ შეძლოთ Pi- ს GPIO ქინძისთავების გამოყენება სხვა პროექტებისთვის. თუ ეს გაწუხებთ, დაამატეთ GPIO ლენტიანი კაბელი და ამის ნაცვლად შეაერთეთ ჯუმბერის მავთულები.

ნაბიჯი 7: (სურვილისამებრ) შექმენით იგი: საქმე

შექმენით დანართი თქვენი Pi- სთვის, რომელიც დაიტევს კამერას, ღილაკს და LED- ებს, ასევე დაიცავს Pi- ს. შეიმუშავეთ საკუთარი კორპუსი ან მიჰყევით ქვემოთ მოცემულ ინსტრუქციას მუყაოს დანართის სწრაფად პროტოტიპირებისთვის!

1. პატარა მუყაოს ყუთის თავზე მონიშნეთ ადგილები ღილაკზე, სტატუსის შუქზე, იდენტიფიკატორულ შუქებზე და pi კამერის ფანჯარაზე (ფოტო 1).

   შენიშვნა: Pi კამერის ფანჯარა უნდა იყოს დაახლოებით 3/4 "x 1/2"

2. თქვენი ზუსტი დანის გამოყენებით, ამოჭერით კვალი.

   შენიშვნა: შეიძლება დაგჭირდეთ ზომის შემოწმება გასვლისას (ფოტო 1)

3. სურვილისამებრ: ხატავს საქმეს! მე შევარჩიე სპრეის საღებავი:)
4. ამოჭერით მართკუთხა "ფანჯრის" საფარი Pi კამერისთვის (ფოტო 4) და წებოვანა ყუთის შიგნით

5. დაბოლოს, ამოიღეთ სლოტი Pi კვების კაბელისთვის.

   გირჩევთ, პირველ რიგში დააინსტალიროთ ყველა ელექტრონიკა, რათა იპოვოთ საუკეთესო ადგილი pi კვების კაბელის სლოტისთვის

ნაბიჯი 8: დააინსტალირეთ და განათავსეთ

Ის არის! თქვენ მზად ხართ დააინსტალიროთ და განათავსოთ თქვენი პროექტი! მოათავსეთ საფარი თქვენი ნაგვის ურნების ზემოთ, შეაერთეთ Pi და გაუშვით პროგრამა, რომ მიიღოთ ჩვენი ნარჩენების შემცირების უფრო სწრაფი, საიმედო გზა. კაი!

წინ მიდის

• გაუზიარეთ თქვენი პროექტები და იდეები სხვა ადამიანებს Lobe Reddit საზოგადოების მეშვეობით!
• გადახედეთ Lobe Python GitHub– ს რეპოს ზოგადი მიმოხილვისთვის, თუ როგორ გამოიყენოთ პითონი უფრო ფართო სპექტრის Lobe პროექტების განსახორციელებლად
• კითხვები თუ პროექტის მოთხოვნები? დატოვეთ კომენტარი ამ პროექტზე ან მოგვმართეთ პირდაპირ: [email protected]