一站式机器学习模型训练工具
source link: https://xugaoxiang.com/2021/02/05/lobe-ai/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
软硬件环境
- windows 10 64bit
- lobe beta
视频看这里
众所周知，机器学习模型的训练是个非常复杂的过程，很多新手往往在基础环境的搭建上就栽了跟头，更别提数据的采集、模型训练、模型调整了。近日微软公司开发了一个图形化的机器学习模型训练的工具lobe，简单易用、没有gpu也可以用、而且不用敲一行代码，绝对值得你来体验一把。
进入官方网站 https://lobe.ai/ 进行下载，目前软件支持windows和macos，刚放出Beta版本，安装后打开软件，选择New Project创建新的项目
这里我们要去训练一个口罩的检测模型，项目名称定为mask，然后点击右上角的import，当前版本可以导入图片、本地摄像头和已有的数据集，这里我们选择Camera，这样，工具就可以从摄像头实时的采集训练的图片数据了
当戴上口罩后，就可以在label上输入mask了，这个过程就是标注了，点击中间的大按钮就可以开始采集数据了
同样的，当拿掉口罩后，label上输入no-mask，采集一定数量的图片。官方的说法是，如果想训练一个可用的模型，图片数量应为100 ~ 1000
当标注结束后，点击右上角的Done，lobe就开始自动训练了
lobe非常智能，它能够检测到你的环境，有gpu的话，会自动使用，没用的话，也没有关系，cpu顶上。
模型训练这块，目前lobe使用了2中网络模型，ResNet-50 V2和MobileNet V2，前者是精度考虑，而后者是速度考虑
待模型训练完成后，我们就可以进入到Play阶段，其实就是检测测试
Play过程中，如果发现，模型不太准确，可以在这里进行微调，比如我用手挡住嘴巴，模型就认为我戴了口罩，这时候，可以点击右侧的红键纠正，纠错后，lobe自动进行模型的再训练
如此反复操作，待各种情况都纠错后，模型的准确率就会大大提升
最后，可以将模型进行导出，目前版本中支持tensorflow lite、tensorflow.js、tensorflow、onnx和local API，相信后续版本还会继续添加
这里我们导出tensorflow的模型
导出后是这样的
正常的话，到这里模型训练就已经完成，接下来就可以进行交付使用了。
最后，进入到example后，我们创建个虚拟环境测试下模型
conda create -n tfgpu python=3.7
conda activate tfgpu
pip install -r requirements.txt
python tf_example.py test.jpg代码运行后，得到的预测结果是正确的
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK