Во время XMAS я начал читать и экспериментировать с машинным обучением. Вдохновленный yoona.ai, стартапом, который собирается изменить то, как модные компании будут разрабатывать дизайн в будущем, мой проект XMAS сосредоточен на CNN и GAN. (Часть 1, Часть 2, Часть 3 и Часть 4).
Сегодня случайно наткнулся на AI Experiment от Google Teachable Machine (Ссылка). Teachable Machines позволяет вам создать собственную модель машины для обнаружения изображений, звука или позы с помощью действительно приятного и простого интерфейса.
Чтобы решить мою проблему с классификацией, я выбрал «Image Project». Это дает вам выбор стандартной и встроенной модели, лучше подходящей для небольших устройств.
Для моего проекта я решил настроить два класса (для моего двоичного файла). Вы можете брать изображения с GDrive или просто загружать их напрямую.
Вы можете указать эпохи, размер партии, … все знакомо, если вы написали что-то подобное с Keras и начали обучение.
Мне нравится, что я могу точно рассказать вам, как это делается за кулисами. См. один из моих других постов об обучении переносу и тонкой настройке.
С помощью Teachable Machine вы также можете легко изучить, какое влияние может оказать на размеры пакетов, скорость обучения и эпохи. Это похоже на хороший экспериментальный интерфейс.
Я думаю, было бы неплохо на следующем шаге также показать, что происходит за кулисами для всех, кто хочет начать оттуда.
В конце вы можете скачать модель, пример кода и встроить его в свое приложение.
Весь код Teachable Machine опубликован, так что забудьте о том, что происходит в бэкенде.
Спойлер: они используют предварительно обученную сеть MobileNet с еще двумя плотными слоями для передачи обучения. Любить это! :)
