Хотите создавать модели машинного обучения без многолетней практики кодирования? Microsoft Lobe – идеальный инструмент для вас!
Машинное обучение в наши дни повсюду: от фильтрации спама и распознавания лиц до голосовых помощников и автомобилей без водителя. Но вам не нужна степень магистра, чтобы научиться использовать эту захватывающую технологию, благодаря новому приложению от Microsoft под названием Lobe
Lobe упрощает процесс машинного обучения, так что каждый может создавать модели ИИ (искусственного интеллекта) без каких-либо знаний кодирования. Мы объясним, как работает Lobe и как начать работу с этим умным новым инструментом
Что такое Microsoft Lobe?
Lobe – это бесплатное настольное приложение для Windows и macOS, которое позволяет людям без опыта программирования или работы с данными проводить эксперименты в области искусственного интеллекта. Оно также позволяет разработчикам добавлять возможности машинного обучения в свои приложения
Компания Lobe, приобретенная Microsoft в сентябре 2018 года, позволяет создавать модели машинного обучения с помощью простого визуального интерфейса, а не написания кода. В текущей публичной предварительной версии вы можете классифицировать наборы изображений, чтобы Lobe мог определить содержимое похожих картинок
В своем блоге, посвященном ИИ, Microsoft приводит примеры, когда Lobe обучали распознавать ядовитые ягоды, защищать морские ресурсы, обнаруживая китов на фотографиях, и отправлять предупреждения, когда освобождаются парковочные места. Он также использовался в проекте по пчеловодству для обнаружения нежелательных насекомых, вторгающихся в улей
Microsoft планирует в будущем расширить возможности Lobe для обучения других типов моделей. К ним относятся обнаружение объектов, которое определяет местоположение конкретных предметов на изображениях, и классификация данных, которая маркирует информацию в таблицах
Вот как создать модель машинного обучения, используя функцию классификации изображений Lobe
1. Загрузите и установите Microsoft Lobe
Чтобы получить приложение Lobe для Windows или macOS, нажмите кнопку Загрузить на домашней странице или в правом верхнем углу сайта Lobe. Чтобы присоединиться к бета-версии Lobe, вам потребуется ввести несколько личных данных, включая имя, адрес электронной почты и страну, но поскольку Microsoft не проверяет эту информацию, вы можете ее подделать
Действительно, одно из лучших качеств Lobe заключается в том, что он не нарушает вашу конфиденциальность. Приложение работает в автономном режиме, и все импортируемые данные остаются на вашем компьютере, а не загружаются в облако (и в Microsoft)
Это довольно большая загрузка (378 МБ на момент написания статьи) и установка занимает несколько минут. После установки вы можете сразу же начать использовать Lobe, поскольку нет никаких настроек. Просто установите флажок Запустить Lobe и нажмите Готово
2. Добавление и маркировка изображений в Lobe
Когда откроется Lobe, нажмите кнопку Новый проект в левом нижнем углу главного экрана. Введите название проекта в левом верхнем углу. Теперь вы можете добавить и пометить несколько изображений, чтобы создать свою первую модель машинного обучения
Нажмите кнопку Импорт в правом верхнем углу и выберите, добавить ли изображения с вашего компьютера, захватить снимки с веб-камеры или импортировать существующий набор данных в виде структурированной папки с изображениями. Для вашей первой модели ИИ лучше всего использовать первый, самый простой вариант
Выберите не менее пяти изображений одного и того же объекта с жесткого диска, либо по отдельности, либо удерживая нажатой клавишу Ctrl или Cmd при нажатии на них. В идеале они должны иметь различия в фоне, освещении или положении, чтобы помочь Lobe определить важные детали. Я выбрал фотографии нашей соседской лисы
Введите описательную метку для первого изображения, в нашем примере это ‘лиса’. Lobe сохранит эту метку, чтобы вы могли быстро применить ее к другим изображениям в наборе данных. Щелкните изображение правой кнопкой мыши, если вам нужно отредактировать метку или удалить изображение
Затем импортируйте еще один набор изображений другой, но связанной тематики. Я выбрал для Lobe фотографии моей собаки, чтобы отличить их от фотографий лисы. Снова пометьте первое изображение описательным тегом, а затем примените тот же тег к другим снимкам. По желанию можно повторить этот процесс для дополнительных наборов, но для создания модели вам понадобится только два
Похожие: 4 уникальных способа получения наборов данных для проекта машинного обучения
3. Обучите свою модель машинного обучения
Как только вы создадите как минимум две метки и примените их не менее чем к пяти изображениям, Lobe автоматически начнет обучение вашей модели машинного обучения. По завершении процесса вы услышите звук подтверждения
Нажмите на опцию Train в левой колонке, чтобы просмотреть результаты. Наведите курсор мыши на изображение, и вы увидите сообщение, гласящее: ‘Правильное предсказание. Ваша доля правильно предсказывает, что это изображение – название метки ‘
Вы можете проверить, работает ли ваша модель, импортировав другое изображение, чтобы посмотреть, правильно ли Lobe предсказывает метку. Нажмите Play слева, затем либо перетащите изображение в приложение, либо нажмите Import
Если Lobe правильно предсказывает метку для импортированного изображения, нажмите зеленую кнопку с галочкой; если нет, нажмите красную кнопку. Продолжайте добавлять изображения, чтобы обучить модель ИИ распознавать различные варианты объекта.Microsoft предлагает использовать от 100 до 1 000 изображений для одной метки, в зависимости от сложности задачи
4. Оптимизация модели машинного обучения
Если Lobe продолжает делать неверные прогнозы, есть несколько способов сделать модель машинного обучения более надежной
Зайдите в раздел ‘Обучение’, нажмите кнопку Просмотр в правом верхнем углу и выберите Первые неверные. Это покажет вам, какие изображения чаще всего сбивают Lobe с толку. Импортируйте больше вариаций этих неправильно помеченных изображений, чтобы отметить их как правильные или неправильные. Это позволит сделать будущие прогнозы более точными
Lobe всегда будет предсказывать одну из ваших меток, даже если импортируемое изображение не содержит соответствующего содержимого. Чтобы предотвратить неправильное определение, добавьте изображения-заполнители и пометьте их None , чтобы ваша модель не была вынуждена выбирать между неправильными ответами
Если вы работаете с большим набором данных и сталкиваетесь с большим количеством неверных прогнозов, вы можете заставить Lobe более тщательно обучить вашу модель. Нажмите кнопку трехстрочного меню в левом верхнем углу, выберите Оптимизировать модель и нажмите Оптимизировать
5. Экспортируйте модель доли для использования в приложении
Хотя вы можете играть с Lobe ради развлечения, он также позволяет экспортировать модель машинного обучения в стандартные форматы, чтобы вы могли использовать ее в разрабатываемом приложении
Вы можете экспортировать наборы данных как TensorFlow Lite для использования в приложениях для Android и Интернета вещей; как Core ML для разработки приложений для iOS, iPad и macOS; и как TensorFlow 1. 15 SavedModel для использования в приложениях, написанных на языке Python
Нажмите кнопку меню в левом верхнем углу, выберите Export, и выберите желаемый формат. Перед сохранением файлов или кода вашей модели вам будет предоставлена возможность оптимизировать модель.Lobe также имеет собственный API (интерфейс прикладного программирования) для запуска экспортированных моделей в Python и.NET
Не волнуйтесь, если эти опции покажутся вам слишком сложными для вашего уровня знаний программирования, потому что Lobe сохраняет ваш проект автоматически. Если вам нужна техническая помощь или совет, вы можете посетить сабреддит Lobe Community
Похожие: Что такое Google TensorFlow
Все, что вам нужно, это Lobe
Microsoft Lobe предлагает простой визуальный способ создания базовой модели машинного обучения без необходимости работы с кодом. Вы можете использовать его для классификации изображений чего угодно, попробуйте также захватить снимки с веб-камеры
Если эксперименты с Lobe пробудят в вас желание узнать больше о машинном обучении, вы найдете в Интернете множество бесплатных курсов и учебников, которые помогут вам развить свои навыки и знания
Комментировать