2015/7/13 下午12:06:19 星期一
当前位置: 主页 > 平步青云 >

Lobe:超小白的机器学习平365体育:台,让你不懂编程也能自造数据集
时间:2019-05-31 18:55

摘要:机器学习的理论并不难掌握。如果你要在软件中添加人脸识别功能,首先要收集大量图片,然后,在软件进行了无数次学习之后,就能在众多照片中识别出人脸了。问题是,虽然理论好理解,但是相应的软件却很难操作,更不要说精通了。你必须创建各种自定义的代码位,然后将其复制到软件的多个位置上,除此之外,你还要对数据分析有着非常直观的认识,如此才能顺利地开发相关功能。但是Lobe的出现改变了这一切,这个平台似乎成了目前最人性化的机器学习平台。在收集了大量图像或音频之后,把它们

机器学习的理论并不难掌握。如果你要在软件中添加人脸识别功能,首先要收集大量图片,然后,在软件进行了无数次学习之后,就能在众多照片中识别出人脸了。问题是,虽然理论好理解,但是相应的软件却很难操作,更不要说精通了。你必须创建各种自定义的代码位,然后将其复制到软件的多个位置上,除此之外,你还要对数据分析有着非常直观的认识,如此才能顺利地开发相关功能。

但是 Lobe 的出现改变了这一切,这个平台似乎成了目前最人性化的机器学习平台。在收集了大量图像或音频之后,把它们拖放到 Lobe 的网站上,基于此,Lobe 将自动创建学习机器。这个过程不需要编程,你甚至可以将现成的 AI 代码堆叠到自己的项目中。而你创建和输出的全部内容都基于目前通行的 Tensorflow 人工智能学习系统标准,也就表示,你设计的功能与 Web、iOS 和 Android 上的应用程序是兼容的。

Lobe 是一家由风投支持的初创企业,在发展近两年后,它逐渐展现在世人眼前。该公司设计方面的负责人麦克·马特斯(Mike Matas)表示,他是个不会编程的设计师,他又提到,机器学习的风潮让很多设计师也望尘莫及。马特斯希望 Lobe 能促进同行的发展,至少也能在机器学习方面提供快速原型。

马特斯说:“作为 UI 设计师,我用的主要是 Photoshop,我的设计也都是走静态接口。也就是说,我的每个解决方案都是屏幕上的一个按钮。后来我学会了 UX,就开始设计迭代原型,突然之间,我们可以利用运动、交互和手势来解决问题了。” 具体是如何实现的呢?马特斯展示了一款来自图像识别系统的工具,它可以把人的手势翻译成 emoji 表情。

inline-i-1-Lobe-Is-A-Machine-Learning-Platform-For-Complete-Idiots.jpg?imageMogr2/strip/interlace/1/quality/80/format/jpg

首先,马特斯创建了一个训练集,其中创建的文件夹以各种 emoji 表情为标签。然后,他往每个文件夹里放满了手势照片。为了训练机器,365bet体育投注,他把这整组文件夹拖到了 Lobe 的浏览器窗口中。当服务器试着将手势转化为 emoji 表情时,Lobe 也清晰地反映了这一流程。Lobe 做的绝不仅仅是系统图像分类,平台会自动对照片进行模糊或提亮处理,以此显现训练集照片的差异性。这表示 Lobe 可以从少量照片中学到大量内容,也节约了很多时间。

inline-i-5-Lobe-Is-A-Machine-Learning-Platform-For-Complete-Idiots

Lobe 的仪表板盘还能实时显示图像识别模型的准确度,你可以点开图片样本,就可以看到计算机针对每个实例给出的结论。在照片模块中,你可以调整参数,观察极值下的分析结论。你还可以访问视图,365体育投注备用线路,从计算机的视角查看图像,借此明晰机器学习背后的道理。在这一趋势下,算法偏差也许会日渐降低。

另外,Lobe 的出彩之处在于,用户可以为 emoji 表情项目寻找“帮手”,也就是直接从 Lobe数据库调取相关“lobes”。没错,这就是 Lobe 的插件概念,它可以为用户提供机器学习逻辑方面的帮助,在前人的智慧之上,用户就能轻松创建一个项目了。

而马特斯就在他的 emoji 表情项目上添加了一个 lobe,这个 lobe 帮机器消除了照片噪声,让机器能只关注手部。每张照片将被 lobe 裁剪得只剩手部,所以机器无需再去定位手部位置,因而提高了学习效率。马特斯说:“我们正在让人工智能更加模块化。这也是软件的核心思想。有了平台,就能利用大家的代码来创建更抽象的东西。现在的人工智能,可以说是一招鲜吃遍天。”

Lobe 还能使用音频文件,创建音乐类可视化工具,但马特斯希望平台能继续接入语音功能。基本上,你想要的功能 Lobe 都能满足,而且很多研究机器学习的程序员都测试过 Lobe,表示功能上没有什么局限。