Additional Content

Strojno učenje v praksi

Aktivnost je povzeta po izvirnem seznamu aktivnosti avtorjev Codeweek in zaščitena z licenco Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license. Tukaj najdete izvirni seznam aktivnosti. Obe podatkovni zbirki, Initial Training Dataset in Test Dataset, sta prav tako avtorsko delo.

Uporabili bomo Google’s Teachable Machine in z njim naučili stroj, da klasificira sliko bodisi kot kolo ali kot motorno kolo. Spomnimo, da je aplikacije strojnega učenja potrebno naučiti in testirati pred njihovo uporabo v praksi. Zbrali in razvrstili bomo vzorčne primere kategorij, ki jih bo kasneje razvrščal stroj, nato bomo model usposobili (naučili) ter testirali, ali vzorčne slike pravilno kategorizira.

1. korak: Zbiranje in kategoriziranje vzorčnih slik

  1. Prenesite slike koles, ki jih najdete tukaj
  2. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na vašem računalniku. Služila bo za učne podatke aplikaciji strojnega učenja.
  3. Prenesite slike motornih koles, ki jih najdete tukaj.
  4. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na vašem računalniku. Tudi ta vsebina bo služila za učne podatke aplikaciji strojnega učenja.
  5. Prenesite vse slike, ki jih najdete tukaj.
  6. Po potrebi prenesite vsebino stisnjene mape (zip) v lokalno mapo na vašem računalniku. Služila bo za testne podatke.
  7. Kliknite na Google’s Teachable Machine in izberite Image Project > Standard Image Model.
  8. Pod Kategorija 1 (Class 1), kliknite na: upload > Choose images from your files > odprite mapo s slikami koles, ki ste jo ustvarili v korakih 1 in 2 in iz nje uvozite shranjene slike.
  9. Pod Kategorija 2 (Class 2), kliknite na: upload > Choose images from your files > odprite mapo s slikami motornih koles, ki ste jo ustvarili v korakih 3 in 4 in iz nje uvozite shranjene slike.

2. korak: Učenje modela

Izberite Učenje (Training), nato kliknite na Učenje modela (Train Model). Model se bo sedaj naučil, kako prepoznati kolesa in motorna kolesa. Počakajte na obvestilo Model naučen / Model usposobljen (Model Trained).

Verjetno boste opazili, da ni potrebno ročno izbirati in vnašati posameznih lastnosti (značilnosti) koles in motornih koles. Algoritmi jih znajo namreč sami poiskati na slikah!

Source : Google’s Teachable machine

3. korak: Testiranje modela

  1. Pod Predogled (Preview), kliknite na puščico zraven spletne kamere (webcam) in izberite vrsto vnosa: Datoteka (File).
  2. Kliknite, da izberete slike iz datotek na vašem računalniku (choose images from your files) ter nato izberite testno sliko, ki ste jo shranili v korakih 5 in 6
  3. Z miško se premaknite navzdol in preverite izhod.
  4. Ponovite postopek z drugimi slikami, da primerjate učinek.

Če uporabite sliko za učenje klasifikatorja, bo stroj že zabeležil ustrezno oznako za dotično sliko. Prikaz te slike stroju v fazi testiranja ne bo omogočil merjenja uspešnosti generalizacije. Zato se morajo učni in testni podatki med seboj razlikovati!

Opomba: naložite lahko tudi svoje slike ter z njimi model učite in testirate. Tukaj najdete dober in brezplačen vir za najrazličnejše podobe (slike)

Licence

Icon for the Creative Commons Attribution 4.0 International License

UI za učitelje: interaktivni spletni priročnik Copyright © 2024 by Colin de la Higuera and Jotsna Iyer is licensed under a Creative Commons Attribution 4.0 International License, except where otherwise noted.

Share This Book