def _optimize_best_estimators(self):
x, y = self._get_data_tuples()
print("Optimizing model")
ai = AI()
score, params = ai.optimize_best_estimators(x, y)
print(score, params)
def _analyse_predictions(self):
print("Analysing predictions")
x, y = self._get_data_tuples()
ai = AI()
main, detail = ai.analyse_predictions(x, y)
print(f"Main accuracy = {main}")
print(detail)
def _run_predicting(self):
x, y = self._get_data_tuples()
print("Enter signal frequency (Hz): ")
frequency = input()
ai = AI()
model = ai.get_best_model(x, y)
predictor = Predictor(frequency, model)
def _reverse_sbs_scores(self):
print("Looking for best features...")
x, y = self._get_data_tuples()
print(len(y))
ai = AI()
features, accuracy = ai.reverse_sbs_score(x, y)
labels = Preprocessing.get_labels()
print(f"Max accuracy is {accuracy}")
print("Features:")
for f in features:
print(labels[f])
def _sbs_scores(self):
print("Looking for best features...")
x, y = self._get_data_tuples()
ai = AI()
sbs = ai.sbs_score(x, y)
k_feat = [len(k) for k in sbs.subsets_]
plt.plot(k_feat, sbs.scores_, marker='o')
plt.ylabel('Accuracy')
plt.xlabel('Number of features')
plt.grid()
plt.show()
for subset in sbs.subsets_:
if len(subset) == 4:
k4 = list(subset)
print(k4)
break
def main():
'''
予測を実行する
'''
# AI準備
ai = AI()
# スコア閾値。予測結果がこれより低いスコアの時はその他と見なす。
SCORE = 0.6
STOP = 0
LEFT = 1
FORWARD = 2
RIGHT = 3
# 距離センサー準備
kerberos = Kerberos()
# Lidar取得間隔(秒)
LIDAR_INTERVAL = 0.05 # 距離センサー取得間隔 sec
# 予測結果を文字列で保持する
result = None
try:
# モデルの学習ステップ数を表示する
learned_step = ai.get_learned_step()
print("learned_step:{}".format(learned_step))
########################################
# 予測を実行する
########################################
while run_flag:
########################################
# 距離センサー値を取得する
########################################
distance1,distance2,distance3 = kerberos.get_distance()
sensors = [distance1,distance2,distance3]
########################################
# AI予測結果を取得する
########################################
# 今回の予測結果を取得する
ai_value = ai.get_prediction(sensors,SCORE)
########################################
# 予測結果を文字列に変換する
########################################
if ai_value == STOP:
result = 'STOP'
elif ai_value == LEFT:
result = 'LEFT'
elif ai_value == FORWARD:
result = 'FORWARD'
elif ai_value == RIGHT:
result = 'RIGHT'
# 予測結果のスコアが低い時、予測結果の文字列にBAD SCOREを入れる
if ai_value == ai.get_other_label():
result = 'BAD SCORE'
########################################
# 予測結果をコンソールに表示する
########################################
sys.stdout.write("result:"+result+" "+str(sensors)+" \r")
sys.stdout.flush()
# 次のセンサー値更新まで待機する
time.sleep(LIDAR_INTERVAL)
except:
import traceback
traceback.print_exc()
print('error! main failed.')
finally:
print("")
sys.stdout.flush()
print("main end")
pass
return
def _train_model(self):
print("Training model")
x, y = self._get_data_tuples()
ai = AI()
ai.simple_test(x, y)
def _random_forest_scores(self):
print("Looking for best features...")
x, y = self._get_data_tuples()
ai = AI()
ai.random_forest_score(x, y, Preprocessing.get_labels())
def main():
'''
メイン処理を行う部分
'''
global stop_thread_running
global main_thread_running
print("main")
# I2C Bus number
BUSNUM=1
# CAR準備
STOP=0
LEFT=1
FORWARD=2
RIGHT=3
HANDLE_NEUTRAL = CarConfig.HANDLE_NEUTRAL
HANDLE_ANGLE = CarConfig.HANDLE_ANGLE
car = Car(busnum=BUSNUM)
speed = 0
angle = HANDLE_NEUTRAL
ratio = 1.0 # 角度制御率
N_BACK_FOWARD = CarConfig.N_BACK_FOWARD
MAX_LOG_LENGTH = CarConfig.MAX_LOG_LENGTH
log_queue = Queue.Queue(maxsize=MAX_LOG_LENGTH) # バック時に使うために行動結果を保持する
copy_log_queue = Queue.Queue(maxsize=MAX_LOG_LENGTH) # 連続バック動作のためのlog_queueバックアップキュー
back_queue = Queue.LifoQueue(maxsize=MAX_LOG_LENGTH) # バック方向キュー
# AI準備
ai = AI("car_model_100M.pb")
SCORE = 0.6 # スコア閾値
# IF準備 (学習ラベル ジェネレータ)
#generator = LabelGenerator()
# 近接センサー準備
kerberos = Kerberos(busnum=BUSNUM)
LIDAR_INTERVAL = 0.05 # 距離センサー取得間隔 sec
try:
# モデルの学習ステップ数を表示する
learned_step = ai.get_learned_step()
print("learned_step:{}".format(learned_step))
while main_thread_running:
if not stop_thread_running: break # 強制停止ならループを抜ける
########################################
# 近接センサー値を取得する
########################################
distance1,distance2,distance3 = kerberos.get_distance()
sensors = [distance1,distance2,distance3]
########################################
# AI予測結果を取得する
########################################
# 今回の予測結果を取得する
ai_value = ai.get_prediction(sensors,SCORE)
print("ai_value:{} {}".format(ai_value,sensors))
# 予測結果のスコアが低い時は何もしない
if ai_value == ai.get_other_label():
time.sleep(LIDAR_INTERVAL)
continue
########################################
# IF結果を取得する
########################################
# 今回の結果を取得する
#generator_result = generator.get_label(sensors)
#ai_value = np.argmax(generator_result)
########################################
# 速度調整を行う
########################################
if distance2 >= 100:
# 前方障害物までの距離が100cm以上ある時、速度を最大にする
speed = 100
else:
# 前方障害物までの距離が100cm未満の時、速度を調整する
speed = int(distance2)
if speed < 40:
speed = 40
########################################
# ハンドル角調整を行う
########################################
if ai_value == 1: # 左に行くけど、左右スペース比で舵角を制御する
if distance1 > 100: # 左空間が非常に大きい時、ratio制御向けに最大値を設定する
distance1 = 100
if distance3 > distance1: # raitoが1.0を超えないように確認する
distance3 = distance1
ratio = (float(distance1)/(distance1 + distance3) -0.5) * 2 # 角度をパーセント減にする
if distance2 < 100:
ratio = 1.0
elif ai_value == 3: # 右に行くけど、左右スペース比で舵角を制御する
if distance3 > 100: # 右空間が非常に大きい時、ratio制御向けに最大値を設定する
distance3 = 100
if distance1 > distance3: # raitoが1.0を超えないように確認する
distance3 = distance1
ratio = (float(distance3)/(distance1 + distance3) -0.5) * 2 # 角度をパーセント減にする
if distance2 < 100:
ratio = 1.0
else:
ratio = 1.0
if not stop_thread_running: break # 強制停止ならループを抜ける
########################################
# ロボットカーを 前進、左右、停止 する
########################################
if ai_value == STOP:
car.stop()
car.set_angle(HANDLE_NEUTRAL)
elif ai_value == LEFT:
car.set_angle(HANDLE_NEUTRAL - (HANDLE_ANGLE * ratio))
car.forward(speed)
elif ai_value == FORWARD:
car.forward(speed)
car.set_angle(HANDLE_NEUTRAL)
elif ai_value == RIGHT:
car.set_angle(HANDLE_NEUTRAL + (HANDLE_ANGLE * ratio))
car.forward(speed)
########################################
# もし停止なら、ロボットカーを後進する
########################################
'''
バック時、直前のハンドルログからN件分を真っ直ぐバックし、M件分を逆ハンドルでバックする
その後、狭い方にハンドルを切ってバックする
'''
if ai_value == STOP:
time.sleep(1) # 停止後1秒、車体が安定するまで待つ
if not stop_thread_running: break # 強制停止ならループを抜ける
# バック時のハンドル操作キューを作成する
copy_log_queue.queue = copy.deepcopy(log_queue.queue)
# ハンドル操作キューが足りない時はバックハンドル操作を前進にする
if log_queue.qsize() < MAX_LOG_LENGTH:
for i in range(log_queue.qsize(),MAX_LOG_LENGTH):
back_queue.put(FORWARD)
while not log_queue.empty():
back_queue.put(log_queue.get(block=False))
log_queue.queue = copy.deepcopy(copy_log_queue.queue)
speed = 60
car.back(speed) # バックする
####################
# N件分を真っ直ぐバックする
####################
for i in range(0,N_BACK_FOWARD):
if not stop_thread_running: break # 強制停止ならループを抜ける
car.set_angle(HANDLE_NEUTRAL)
# N件分をバックハンドル操作キューから削除する
back_queue.get(block=False)
time.sleep(LIDAR_INTERVAL)
####################
# 残りのログ分のハンドル操作の最大方向をハンドルに設定する
####################
angle = 0 # 左右どちらが多いか
angle_forward = 0 # 前進方向の回数
back_queue_size = back_queue.qsize()
for i in range(0,back_queue_size):
value = back_queue.get(block=False)
if value == RIGHT:
angle += 1
elif value == LEFT:
angle -= 1
elif value == FORWARD:
angle_forward +=1
if angle_forward >= back_queue_size/3: # ハンドルログは前進が多いので真っ直ぐバックする
back = FORWARD
elif angle > 0: # ハンドルログは左が多いので右にバッグする
back = RIGHT
else: # ハンドルログは右が多いので左にバックする
back = LEFT
for i in range(0,back_queue_size):
if not stop_thread_running: break # 強制停止ならループを抜ける
if back == LEFT:
car.set_angle(HANDLE_NEUTRAL + HANDLE_ANGLE) # 直前のハンドル方向とは逆の右にハンドルを切る
elif back == RIGHT:
car.set_angle(HANDLE_NEUTRAL - HANDLE_ANGLE) # 直前のハンドル方向とは逆の左にハンドルを切る
elif back == FORWARD:
car.set_angle(HANDLE_NEUTRAL)
time.sleep(LIDAR_INTERVAL)
####################
# ここで左,前,右に20cm以上の空きスペースを見つけられない場合はひたすらバックする
####################
speed=60
car.back(speed) # バックする
while True:
if not stop_thread_running: break # 強制停止ならループを抜ける
distance1,distance2,distance3 = kerberos.get_distance()
if distance1 > 20 and distance2 > 20 and distance3 > 20:
break
if distance1 >= distance3*2: # 右の方が圧倒的に狭いので右にハンドルを切る
car.set_angle(HANDLE_NEUTRAL + HANDLE_ANGLE) # 右にハンドルを切る
elif distance3 >= distance1*2: # 左の方が圧倒的に狭いので左にハンドルを切る
car.set_angle(HANDLE_NEUTRAL - HANDLE_ANGLE) # 左にハンドルを切る
elif distance1 >= distance3: # 右に少しハンドルを切る
ratio = float(distance3)/(distance1 + distance3) # 角度をパーセント減にする
car.set_angle(HANDLE_NEUTRAL + HANDLE_ANGLE*ratio) # 右にハンドルを切る
elif distance3 >= distance1: # 左に少しハンドルを切る
ratio = float(distance1)/(distance1 + distance3) # 角度をパーセント減にする
car.set_angle(HANDLE_NEUTRAL - HANDLE_ANGLE*ratio) # 左にハンドルを切る
time.sleep(LIDAR_INTERVAL)
if not stop_thread_running: break # 強制停止ならループを抜ける
car.stop()
ai_value = 0
speed = 0
time.sleep(0.5) # 停止後0.5秒待つ
car.set_angle(HANDLE_NEUTRAL)
time.sleep(0.5) # 停止後ハンドル修正0.5秒待つ
if not stop_thread_running: break # 強制停止ならループを抜ける
else:
if not stop_thread_running: break # 強制停止ならループを抜ける
# 前進の時は直前のハンドル操作を記憶する
qsize = log_queue.qsize()
if qsize >= MAX_LOG_LENGTH:
log_queue.get(block=False)
qsize = log_queue.qsize()
log_queue.put(ai_value)
time.sleep(LIDAR_INTERVAL)
except:
import traceback
traceback.print_exc()
print('error! main failed.')
finally:
print("main end")
# ボタンスレッドを停止させる
stop_thread_running = False
car.stop()
car.set_angle(HANDLE_NEUTRAL)
pass
return
def main():
'''
予測を実行する
'''
# AI準備
ai = AI("car_model.pb")
# スコア閾値。予測結果がこれより低いスコアの時はその他と見なす。
SCORE = 0.6
# IF準備 (AI学習データジェネレータ)
generator = LabelGenerator()
# 評価した回数をカウント
counter = 0
# 低スコアの回数をカウント
bad_score_counter = 0
# 予測結果とジェネレータ結果が異なる回数をカウント(低スコアの回数も含む)
miss_counter = 0
# 評価する距離範囲
MIN_RANGE = 0
MAX_RANGE = 400
try:
# モデルの学習ステップ数を表示する
learned_step = ai.get_learned_step()
print("learned_step:{}".format(learned_step))
########################################
# 距離センサー値を生成する
########################################
sensors=[]
for distance1 in range(MIN_RANGE,MAX_RANGE):
for distance2 in range(MIN_RANGE,MAX_RANGE):
for distance3 in range(MIN_RANGE,MAX_RANGE):
# 学習範囲内のデータはこの検証から省く
if not (distance1 < 200 and distance2 < 200 and distance3 < 200):
sensors.append([distance1,distance2,distance3])
if (distance1+1) % 10 == 0:
sensors=np.array(sensors)
########################################
# AI予測結果を取得する
########################################
# 今回の予測結果を取得する
ai_values = ai.get_predictions(sensors,SCORE)
n_rows = len(sensors)
for i in range(n_rows):
counter +=1
# 予測結果のスコアが低かった回数をカウントする
if ai_values[i] == ai.get_other_label():
bad_score_counter += 1
########################################
# IF結果を取得する
########################################
# 今回の結果を取得する
generator_result = generator.get_label(sensors[i])
if_value = np.argmax(generator_result)
# 予測結果とジェネレータ結果が異なった回数をカウントする
if not if_value == ai_values[i]:
miss_counter += 1
# 不一致の予測結果をコンソールに表示する
print_log(sensors[i],ai,ai_values[i],if_value,counter,miss_counter,bad_score_counter)
########################################
# 定期的に予測結果をコンソールに表示する
########################################
if counter % 10000 == 0:
print_log(sensors[i],ai,ai_values[i],if_value,counter,miss_counter,bad_score_counter,log=False)
# sensorsを初期化する
sensors=[]
except:
import traceback
traceback.print_exc()
print('error! main failed.')
finally:
print("accuracy:"+str((counter-miss_counter)/(counter*1.0))+" total:"+str(counter)+" miss:"+str(miss_counter)+" bad score:"+str(bad_score_counter))
print("main end")
pass
return