Teachable Machine

介绍

这个实验可以让任何人以一种有趣的、动手操作的方式探索机器学习是如何工作的。 你可以教机器使用你的浏览器的摄像头(相机)，无需编码完成本地训练一个神经网络， 而不用向服务器发送任何图像。本版本是v1.0，新的版本请访问：

新版本的体验地址

能做些什么呢?

下面是一些人们已经做过的事情的链接: 让你的手势学猫叫. 摇摆你的手指. 请继续关注，我们很快会在这里添加更多的例子。(想和我们分享一下吗?使用录制按钮，并在社交媒体上与# teachhablemachine分享，这样我们就可以查看它。)

应该记住的一些建议！

每个类型至少抓拍30张图片。当你按下和松开按钮时要注意(那是开始/停止拍照的时候)。需要捕捉很多角度或变化，才能机器学习模式识别。

为什么训练的机器不能按所希望的方式工作?

别担心，继续训练。反复训练测试是探索机器学习如何工作的一种方式。记住，工具并不理解更高层次的概念，比如脸或对象。它通过你给出的例子来学习。因此，如果它没有按照您希望的方式工作，您可能需要清理数据，重新训练。

在哪里可以找到更多这样的东西?

丽贝卡·菲布林克的Wekinator案例，是这个项目的灵感之一。它允许任何人通过简单的动作而不是代码来使用机器学习。 ml4a是一些学习机器学习的交互式指南。看看其他有趣的项目 objectifier-spatial-programming， 及 giorgio-cam等.

我的个人图像是否存储在谷歌服务器上?

没有，所有的训练数据都在你的设备上（浏览器storage），绝不涉及个人隐私！。

如何了解更多关于机器学习的知识?

youtube上的入门级讲解视频。 Playground网站让你交互式的解神经网络工具可以深入了解神经网络结构和计算过程。还有 免费在线课程，可以更深入学习。

它是怎么建成的?

图像分类由 神经网络. 这是由背后的团队Nikhil Thorat和Daniel Smilkov实现的TensorFlow.js的开源库，允许web开发人员在本地浏览器中训练和运行机器学习模型。这个实验的代码是开源的 Github.

有一个样板项目，演示了如何使用TensorFlow.js创建自己的项目，比如teachachable Machine Github.

Who made this?

这个实验是由来自 Støj, Use All Five 和 Creative Lab and PAIR Google团队.