Teachable Machine：浏览器玩转机器学习 图像/语音/姿态识别
简介：
Google Creative Lab 开发的 Teachable Machine 是Google提供的通过浏览器进行Machine Learning体验的项目，不需要编程，完全免费开源，只需要简单页面操作即可实现丰富的图像、语音、姿态识别的小项目。
通过Creative Lab ，小学生都可以实现一个机器学习项目，
使用Teachable Machine来简单学习、快速制作一些小机器学习Demo还是不错的。。。
Teachable Machine是用TensorFlowJS（Tensorflow in Javascript）开发的，以实现在Web浏览器上 对机器学习模型的训练、运行。。。
算法模型上，Teachable Machine使用了Transfer Learning (迁移学习)，预训练模型用的是 :
-
Image图片/Pose姿态识别：MobileNet
-
Voice语音识别：Speech Command Recognizer
先上图：
快速上手：
使用非常简单，无需任何编程，直接通过浏览器操作 获取数据、训练、导出等操作。。
新建项目
浏览器（推荐Chrome）打开 https://teachablemachine.withgoogle.com/
点击GetStarted：
选择New Project，支持图片、音频、姿势识别
这里以图像project举例：
准备数据
直接点击添加目标Class名称和训练数据。
先添加图像类别class（lable）的名称
然后通过摄像头采集训练数据：
点击WebCam（WebCamera）打开摄像头后，一直点住Hold to Record按钮，摄像头就会不断采集图片， 直到感觉图片够用了就可以松开。。。
例如石头剪刀布识别：
Model训练
图片数据准备好后，点击Train Model 既开始Traning。。
在Advanced菜单里可以调整训练参数：支持Epoch/BatchSize 和学习率的调整
训练完成后可以通过 under the hood查看训练过程数据，如Accuracy/Loss曲线、Confusion Matrix混淆矩阵等
Model运行
Training完成后，通过Preview打开摄像头，就可以测试下刚训练的模型了：
非常简单吧~
Model导出
如果感觉模型效果不错，可以直接导出模型，放到自己的项目中使用：
支持导出为TensorFlow/TensorFlow.js/Tensorflow Lite模型
对于语音和姿态识别
和图片一样，对于语音和姿态识别，也是通过电脑的Mic和Camera获取语音/视频数据，进行训练和运行：
源码Github：
可以在github上查看相关源码和更多介绍：https://github.com/googlecreativelab/teachable-machine
博主热门文章推荐：
一篇读懂系列：
- 一篇读懂无线充电技术（附方案选型及原理分析）
- 一篇读懂：Android/iOS手机如何通过音频接口（耳机孔）与外设通信
- 一篇读懂：Android手机如何通过USB接口与外设通信（附原理分析及方案选型）
LoRa Mesh系列：
- LoRa学习：LoRa关键参数（扩频因子，编码率，带宽）的设定及解释
- LoRa学习：信道占用检测原理（CAD）
- LoRa/FSK 无线频谱波形分析（频谱分析仪测试LoRa/FSK带宽、功率、频率误差等）
网络安全系列：
- ATECC508A芯片开发笔记（一）：初识加密芯片
- SHA/HMAC/AES-CBC/CTR 算法执行效率及RAM消耗 测试结果
- 常见加密/签名/哈希算法性能比较 (多平台 AES/DES, DH, ECDSA, RSA等)
- AES加解密效率测试（纯软件AES128/256）–以嵌入式Cortex-M0与M3 平台为例
嵌入式开发系列：
- 嵌入式学习中较好的练手项目和课题整理（附代码资料、学习视频和嵌入式学习规划）
- IAR调试使用技巧汇总：数据断点、CallStack、设置堆栈、查看栈使用和栈深度、Memory、Set Next Statement等
- Linux内核编译配置（Menuconfig）、制作文件系统 详细步骤
- Android底层调用C代码（JNI实现）
- 树莓派到手第一步：上电启动、安装中文字体、虚拟键盘、开启SSH等
- Android/Linux设备有线&无线 双网共存（同时上内、外网）
AI / 机器学习系列：
- AI: 机器学习必须懂的几个术语：Lable、Feature、Model…
- AI：卷积神经网络CNN 解决过拟合的方法 （Overcome Overfitting）
- AI: 什么是机器学习的数据清洗（Data Cleaning）
- AI: 机器学习的模型是如何训练的？（在试错中学习）
- 数据可视化：TensorboardX安装及使用（安装测试+实例演示）
