文章目錄
1. 簡介
根據前一篇機器學習的文章，教大家如何透過機器學習三大步驟進行兩種實作方式。
- 無程式碼機器學習：使用視覺化 AI Playground 平台實作影像辨識
- 有程式碼機器學習：使用 Python 程式實作影像辨識
還不熟悉的讀者可以參考這兩篇文章。
本篇文章將教大家下載自己在 AI Playground 所訓練出來獨一無二的 AI 模型，並使用 Python 來進行應用。我們將使用 AI Playground 所提供的 Python 範例程式進行說明。
Step 1. 建立類別並上傳訓練資料
首先連至 AI Playground (無程式碼機器學習平台)，並點選左側「影像辨識」的服務。假設我們這次專案希望教電腦認識貓、狗及兔子，那我們可以先建立 3 個類別名稱，分別是 cat、dog、rabbit。並將相關訓練圖像上傳至對應的類別名稱中(如下圖)。
Step 2. 進行訓練並預測評估
資料都準備好後，我們可以點擊中間的「訓練模型」按鈕進行機器學習。訓練好 AI 模型後，我們拿機器在訓練過程中從未看過的測試圖像進行預測 (不能拿訓練資料來進行預測)後，發現此模型辨識效果還不錯(如下圖)。若是不滿意辨識效果，可以另外準備資料或調整數量重新訓練。
Step 3. 下載訓練模型並應用
我們可以點擊右下角「Code & Play」按鈕，AI Playground 會提供使用者兩種選擇。對於無 Python 程式基礎的人，可以將自己獨一無二的 AI 模型帶到 AIBLOX 進行創作 (AIBLOX 是一種基於 Scratch 演變而來的圖形積木編程雲端平台)。
我們選擇點擊左邊 Python 圖示，下載剛剛訓練好的 keras 模型及 Sample Code ，使用者將可在 Python 中使用它們來製作應用程式。
Step 4. Python 範例程式說明
將下載的模型壓縮檔解開後會如下圖。
我們將解縮後的檔案及資料夾上傳至 Google Colab 檔案區 (可參考 Google Colab 介紹及使用 Python 程式實作影像辨識)，同時也將測試圖像資料上傳(如下圖)。
將點擊 main.py 後(內容出現在右邊視窗)的資料 copy 至程式碼編輯區。
Step 5. 進行影像辨識應用
更改預測照片檔名，例如將 ‘PutYourImage.png’ 改成 ‘test1.png’，然後點執行箭頭進行預測。程式會將預測照片放入剛剛在 AI Playground 訓練並下載的模型中進行辨識，輸出辨識結果為 cat ，信心值大約為 0.97。
我們換一張試試看(test2.png)，結果也辨識好。
我們再試一張兔子的照片(test8.png)，辨識效果也非常好。
大家可以試著在 AI Playground 平台中訓練許多有趣的影像辨識專案，然後下載模型後再利用 Python 進行各種創作應用。初學者一開始不熟的形況下，不妨可以按部就班先參考 AI Playground 的範例程式及本篇文章說明。大家也可以參考下面說明影片來進一步熟習整個 Python 實作。
如果你喜歡這篇文章歡迎訂閱、分享(請載名出處)與追蹤，並持續關注最新文章。同時 FB 及 IG 也會不定期提供國內外教育與科技新知。