- למד כיצד לשלב את מודל למידת המכונה שלך באפליקציה
- התחל לקודד את שילוב האפליקציה שלך
אלו הפעילויות לשיעור זה:
שילוב הדגם שלך
עד עכשיו, אני מקווה שהצוות שלך עשה זאת
- אימן את מודל הבינה המלאכותית שלה באמצעות מערך נתונים בריא.
- בדק את המודל עם נתונים חדשים ומגוונים
אבל אתה לא יכול פשוט להשאיר את זה שם!
אתה רוצה שהמודל שלך ינקוט פעולה על סמך התחזית שהוא עושה.
תצטרך ליישם את המודל שלך באפליקציה כדי להפוך אותו לשימושי.
בחירת פלטפורמה
באיזו פלטפורמה תשתמש לקוד האפליקציה שלך תהיה תלויה:
- מהי העדפת פלטפורמת קידוד האפליקציה לנייד שלך
- באיזו פלטפורמה השתמשת כדי לאמן את הדגם שלך
להלן פלטפורמות למידת מכונה הנדונות ביחידה 5. לחץ על כל אחת מהן כדי לראות כמה אפשרויות לשילוב המודל באפליקציה.
Teachable Machine היא פלטפורמה מגוונת מאוד. אתה יכול לשמור את הדגם שלך בענן או לשמור אותו כקובץ, כך שיש לך אפשרויות רבות לשילוב עם פלטפורמות קידוד.
סרטון זה מתאר כיצד לייצא את הדגם שלך.
- ל-App Inventor יש הרחבה ל-Tachable Machine Image Classification , שתרם על ידי Fabiano Oliveira, שניתן להוריד ולייבא במגירת ההרחבות.
- Teachable Machine מספק קטעי קוד לשילוב עם Tensorflow, ספריית למידת מכונה. הוא מספק 3 אפשרויות של קטע קוד:
- Tensorflow.js - שפת Javascript תאפשר לך ליצור דף אינטרנט או אפליקציית אינטרנט.
- Tensorflow - שפת Python ליצירת אפליקציות אינטרנט.
- Tensorflow Lite - שפת Java ליצירת אפליקציות לנייד.
כל 3 קטעי הקוד מספקים לך קובץ דגם וקוד להעתקה. בהתאם לשפה, ייתכן שיהיה עליך להתקין ספריות ועורכי קוד. קישורים להוראות מסופקים עם קטע הקוד.
אלו הם השלבים לשימוש באפשרות Tensorflow.js:
- העתק את הקוד והדבק אותו בקובץ טקסט ריק חדש במחשב שלך.
- שמור אותו כ-index.html (או משהו אחר עם סיומת .html).
- פתח את הקובץ בדפדפן אינטרנט. זה יספק ממשק בסיסי שבו תוכל לסווג תמונה שצולמה עם מצלמת האינטרנט בהתבסס על הדגם שלך.
- אם אתה רוצה להיות מסוגל להעלות תמונה לסיווג, במקום מצלמת האינטרנט, הקוד הזה עובד. (באדיבות שיר של Chris Hoyean) רק הקפד להעתיק את כתובת האתר של הדגם שלך מקטע הקוד המקורי שלך לקובץ הזה.
- העתק את הקוד והדבק אותו בקובץ טקסט ריק חדש במחשב שלך.
האפשרויות Tensorflow ו- Tensorflow Lite ידרשו התקנה שונה של תוכנות וספריות קידוד. בדוק באתר github להוראות נוספות.
שילובי Technovation: Python, App Inventor
נכון לעכשיו, האינטגרציה היחידה של Machine Learning for Kids שעובדת במלואה עבור חטיבות ג'וניור ובכירות היא Python.
למידע נוסף על שילוב המודל של Machine Learning for Kids עם Python, נסה את אחד מגליונות העבודה בדף זה. בחר Python מהתפריט הנפתח סוג עשה.
MIT App Inventor היא אפשרות לשילוב, אך לא כל סוגי הנתונים פועלים במלואם. עיין באתר Machine Learning for Kids כדי לוודא שהמערך שלך תואם ל-App Inventor.
- לחץ על הרחבה בלוח המעצבים.
- לחץ על ייבוא הרחבה .
- לחץ על בחר קובץ ובחר את קובץ ההרחבה שהורדת מדף ההרחבות למעלה.
- לחץ על כפתור ייבוא כדי לייבא את התוסף והבלוקים שלו.
אתה גם צריך להוסיף רכיב WebViewer לפרויקט שלך. ניתן למצוא אותו במגירת ממשק המשתמש.
בדוגמה שלמטה, אנו מראים כיצד להגדיר את ה-Image Classifier, אבל זה עובד כמעט אותו הדבר עם ה- Audio Classifier, אם הדגם שלך כולל צלילים.
כדי לקשר את הדגם שלך מהמסווג, הורד תחילה את הדגם מאתר המסווגן, ולאחר מכן,
- בחר את הרכיב PersonalImageClassifer.
- בחלונית Properties, לחץ על "None" תחת Model והעלה את הקובץ model.mdl שהורד. (ניתן לשנות את שם הקובץ לכל דבר, אך חייבת להיות סיומת .mdl בשמו).
- לחץ על "ללא" תחת WebViewer ובחר ברכיב WebViewer שנוסף זה עתה לפרויקט.
שימו לב למאפיין "InputMode", שיכול להיות וידאו או תמונה. אם תבחר בוידאו, הוא ינסה כל הזמן לסווג את הזנת הווידאו שמופיעה ב-WebViewer. אם תבחר תמונה, תצטרך להוסיף רכיב מצלמה או ImagePicker כדי לקבל תמונה לסיווג. עדיין תזדקק לרכיב WebViewer כדי שסיווג התמונה יפעל.
מודלים שנעשו עם Ximilar יכולים לשמש עם API כדי לשלב אותו באפליקציה.
אתה יכול להשתמש ברכיב ה-API של האינטרנט ב-Thunkable כדי לשלב מודל חיצוני מפלטפורמה כמו Ximilar לתוך אפליקציה. הערה: אנו נסקור ממשקי API ב-Thunkable ביחידה הבאה.
צפו בחלק השני של הסרטון של Pratham כדי לשלב את מודל AI האלמוגים שלו מיחידה 5 באפליקציית Thunkable לנייד.
פעילות: שלב את מודל הבינה המלאכותית שלך
השתלב על סמך הפלטפורמה שבחרת
- סקור מה נדרש עבור הפלטפורמה הספציפית שלך כדי להוסיף את מודל הבינה המלאכותית המאומנת שלך לפרויקט.
- צור פרויקט חדש בפלטפורמה שבחרת והוסף את הדגם שלך. איך אתה עושה את זה יהיה תלוי בתהליך עבור הפלטפורמה הספציפית שלך.
- בצע פעולה! הוסף רכיבים וקוד לפלטפורמה כדי שהפרויקט שלך יבצע פעולה על סמך התחזית מהמודל שלך.
הִשׁתַקְפוּת
התחלת לקודד את חלק הפעולה של אפליקציית הבינה המלאכותית שלך! כאן אתה יכול לראות את התוצאות של הדגם שלך ומה הוא באמת יכול לעשות!
עכשיו זה זמן טוב להיכנס עם תוכנית הפרויקט/קנבס שלך כדי לראות איך הפרויקט שלך מתקדם. ייתכן שתרצה להתאים את לוחות הזמנים והמשימות בהתאם לפלטפורמה שבה אתה משתמש ולשלבים שתצטרך כדי להשיג את היעדים עבור הפרויקט שלך.
לאחר שתגרום לקוד שלך לעבוד, זה גם הזמן לעשות צ'ק-אין עם המשתמשים שלך. מצא כמה אנשים כדי לבדוק את האפליקציה שלך ולספק משוב.
סקירה של תנאים עיקריים
- תוכנה - כינוי לתוכניות או אפליקציות הפועלות על מחשב או מכשיר
- הרחבות - חבילות תוכנה המוסיפות פונקציונליות לתוכניות קיימות
משאבים נוספים
סדרן מרשמלו באמצעות Teachable Machine ו-Coral.
בדוק את הסרטונים האלה על כלי AI מתקדמים יותר!
- Google Colab , קידוד ב-Python
- DialogFlow - חלק 1 עם Google AppSheets
- Dialogflow - חלק 2 ועוזר וירטואלי
