图形化玩转人工智能机器学习 DF创客社区

在学习人工智能机器学习的过程中，一般的流程是获取图片（拍照或者爬虫）、处理图片、标注图片、训练模型、编写代码。在这个过程中对图片的处理和标注是最累人的，而且容易出错，对于学生而言过程极其痛苦，最近发现一种特别简单的图形化方式实现人工智能机器学习，只需要点点鼠标即可完成。

今年参加了第二届”少年硅谷——全国青少年人工智能教育成果展示大赛“其中的一个项目——火星环境探测挑战赛，在这个比赛中使用到英荔公司的创作平台、硬件编程平台，发现他们的训练平台非常好用，简单快捷。

无意之间发现这个训练平台可以不用登录也可以使用，而且还可以下载模型，那岂不是可以借助这个平台来实现训练模型？

可以看到这个平台可以训练图像项目、音频项目和姿势项目，今天先来试试图像项目，点击图像项目进入。

界面非常简洁，已经有两个类别Class1和Class2,点击类目名后面的笔图案可以改类目的名称，注意尽量不要使用中文。

我以识别石头、剪刀、布为例，类目名我就懒得改了，分别为：

Class1——布

Class2——石头

Class3——剪刀

Class4——背景

先来训练”布“

点击Class1下面的摄像头

可以看到平台打开了摄像头，下面有个按钮”按住以录制“，根据提示我们将”布“的手势放入摄像头，然后按住这个按钮不松开

右边就会出现很多”布“手势的图片，尽量将各种可能出现的布手势都做出来，数量的话建议尽量多一点，不要少于30张。

紧接着录制其他手势的照片。

图片准备完毕，点击中间的训练模型

然后平台就会开始训练

训练过程是非常快的，基本上1-2分钟就可以训练完毕。

训练完毕后，右边就会自动进行测试，我们在摄像头前摆出各种手势，右边就会根据模型判断出是哪种手势。

因为手势比较简单，准确率还是非常高的。如果发现准确率比较低，那就多拍点图片，再次训练模型，将准确率提高。

接下来我们就可以下载模型了，点击导出模型

选择 Tensorflow，然后点击下载我的模型，就会下载到两个文件。

其中keras_model.h5就是模型文件，而labels.txt就是类别名称文件，将这两个文件放入一个文件夹。

接下来就是利用这两个文件进行编写程序。

打开Mind+，切换到Python模式，点击左下角扩展，加入两个官方库。

代码如下：

注意先保存，然后再运行，文件保存的路径要和模型文件保存的路径一致。

点击运行，效果如下

可以看到效果还是很不错的，这是人工智能图像识别中的物体分类功能，对于中小学生入门人工智能机器学习还是很有帮助的，简单的动动鼠标就可以体验整个学习过程。

后续还可以通过加入pinpong库，对开源硬件进行操作，比如加入一个RGB灯，剪刀就亮红色，石头就亮绿色，布就亮蓝色……

只需要在

的前后加入判断即可。

期待大家玩出更多创意。

也可以将自动生存的代码保存为py文件，和模型文件，类别标签文件一并部署到树莓派、冲锋舟、拿铁熊猫、行空板等上面实现物体分类功能。

代码

	# -- coding: UTF-8 --

	# MindPlus
	# Python
	from keras.preprocessing import image
	import tensorflow.keras
	import tensorflow as tf
	from time import sleep
	import numpy as np


	import cv2
	cap = cv2.VideoCapture()
	cap.open(0)
	model = tensorflow.keras.models.load_model('keras_model.h5')
	labels = ['Class 1','Class 2','Class 3','Class 4']
	font = cv2.FONT_HERSHEY_SIMPLEX
	success = True
	image = 0
	while not (False):
	success, image = cap.read()
	if (success == False):
	break
	image = cv2.flip(image,1)
	img = cv2.resize(image,(224,224))
	img = np.array(img,dtype=np.float32)
	img = np.expand_dims(img,axis=0)
	img = (img / 255)
	prediction = model.predict(img)
	predicted_class = labels[np.argmax(prediction)]
	print(predicted_class)
	cv2.putText(image, predicted_class, (123,456), font, 2, (0,255,0), 3)
	cv2.imshow("Frame", image)
	if cv2.waitKey(1) & 0xff== 113:
	break
	cap.release()
	cv2.destroyAllWindows()