- Scopri come integrare il tuo modello di apprendimento automatico in un'applicazione
- Inizia a codificare l'integrazione della tua app
Queste sono le attività di questa lezione:
INTEGRARE IL TUO MODELLO
A questo punto, si spera che il tuo team abbia
- addestrato il suo modello di intelligenza artificiale utilizzando un set di dati sani.
- testato il modello con dati nuovi e diversi
Ma non puoi lasciarlo lì!
Vuoi che il tuo modello agisca azione in base alle previsioni che fa.
Dovrai implementare il tuo modello in un'applicazione per renderlo utile.
SCEGLIERE UNA PIATTAFORMA
La scelta della piattaforma da utilizzare per la codifica della tua applicazione dipende dalla piattaforma stessa:
- Qual è la tua preferenza per la piattaforma di codifica delle applicazioni mobili?
- quale piattaforma hai utilizzato per addestrare il tuo modello
Di seguito sono riportate le piattaforme di apprendimento automatico discusse nell'Unità 5. Clicca su ognuna di esse per vedere alcune opzioni per integrare il modello in un'applicazione.
Teachable Machine è una piattaforma molto versatile. Puoi salvare il tuo modello nel cloud o come file, quindi hai molte opzioni di integrazione con le piattaforme di codifica.
Questo video descrive come esportare il tuo modello.
- App Inventor dispone di un'estensione Teachable Machine Image Classification, fornita da Fabiano Oliveira, che può essere scaricata e importata nel cassetto delle estensioni.
- Teachable Machine fornisce snippet di codice per integrarsi con Tensorflow, una libreria di apprendimento automatico. Offre 3 opzioni di snippet di codice:
- Tensorflow.js - Il linguaggio Javascript ti permetterà di creare una pagina web o un'applicazione web.
- Tensorflow - Linguaggio Python per creare applicazioni web.
- Tensorflow Lite - Linguaggio Java per creare applicazioni mobili.
Tutti e tre i frammenti di codice ti forniscono un file di modello e del codice da copiare. A seconda della lingua, potresti dover installare librerie ed editor di codice. I link alle istruzioni sono forniti con i frammenti di codice.
Questi sono i passaggi per utilizzare l'opzione Tensorflow.js:
- Copia il codice e incollalo in un nuovo file di testo vuoto sul tuo computer.
- Salvalo come index.html (o altro con estensione .html).
- Apri il file in un browser web. Verrà visualizzata un'interfaccia di base in cui potrai classificare un'immagine catturata con la webcam in base al tuo modello.
- Se vuoi caricare un'immagine da classificare, invece della webcam, questo codice funziona. (Per gentile concessione di Chris Hoyean Song) Assicurati di copiare l'URL del modello dal tuo frammento di codice originale a questo file.
- Copia il codice e incollalo in un nuovo file di testo vuoto sul tuo computer.
Le opzioni Tensorflow e Tensorflow Lite richiedono un'installazione diversa del software e delle librerie di codifica. Controlla il sito github per ulteriori istruzioni.
Integrazioni Technovation: Python, App Inventor
Attualmente l'unica integrazione di Machine Learning for Kids che funziona pienamente per la divisione Junior e Senior è Python.
Per saperne di più sull'integrazione del tuo modello Machine Learning for Kids in Python, prova uno dei fogli di lavoro di questa pagina. Seleziona Python dal menu a tendina Tipo di creazione.
MIT App Inventor è un'opzione per l'integrazione, ma non tutti i tipi di dati sono perfettamente funzionanti. Controlla il sito web di Machine Learning for Kids per assicurarti che il tuo set di dati sia compatibile con App Inventor.
Le estensioni in App Inventor sono componenti esterni che aggiungono funzionalità a un'applicazione, ma non fanno parte dei componenti principali di App Inventor.
Dopo aver addestrato il tuo modello di immagine o di suono utilizzando i siti web classificatori di App Inventor(immagine, suono), userai un'estensione di App Inventor per dare vita al tuo modello nella tua applicazione mobile.
- Clicca su Estensione nella Designer Palette.
- Clicca su Importa estensione.
- Clicca su Scegli file e scegli il file di estensione che hai scaricato dalla pagina delle estensioni qui sopra.
- Clicca sul pulsante Importa per importare l'estensione e i suoi blocchi.
Devi anche aggiungere un componente WebViewer al tuo progetto. Si trova nel cassetto Interfaccia utente.
Nell'esempio che segue, mostriamo come configurare il classificatore di immagini, ma funziona più o meno allo stesso modo con il classificatore audio, se il tuo modello prevede dei suoni.
Per collegare il tuo modello dal classificatore, scarica prima il modello dal sito web del classificatore e poi,
- Seleziona il componente PersonalImageClassifer.
- Nel pannello delle proprietà, clicca su "Nessuno" alla voce Modello e carica il file model.mdl scaricato. (Il file può essere rinominato in qualsiasi modo, ma deve avere l'estensione .mdl nel nome).
- Clicca su "Nessuno" sotto WebViewer e seleziona il componente WebViewer appena aggiunto al progetto.
Nota la proprietà "InputMode", che può essere Video o Immagine. Se scegli video, cercherà continuamente di classificare il feed video che appare nel WebViewer. Se scegli Immagine, dovrai aggiungere un componente Camera o ImagePicker per ottenere un'immagine da classificare. Avrai comunque bisogno del componente WebViewer per far funzionare la classificazione delle immagini.
I modelli realizzati con Ximilar possono essere utilizzati con un'API per integrarli in un'app.
Puoi utilizzare il componente Web API di Thunkable per integrare un modello esterno di una piattaforma come Ximilar in un'applicazione. Nota: tratteremo le API in Thunkable nella prossima unità.
Guarda la seconda parte del video di Pratham per incorporare il suo modello di AI corallina dell'Unità 5 in un'applicazione mobile Thunkable.
ATTIVITÀ: INTEGRARE IL MODELLO AI
Integrazione in base alla piattaforma scelta
- Esamina ciò che è necessario per la tua piattaforma specifica per aggiungere il tuo modello AI addestrato a un progetto.
- Crea un nuovo progetto nella piattaforma selezionata e aggiungi il tuo modello. Il modo in cui lo farai dipenderà dalla procedura della tua piattaforma.
- Agisci! Aggiungi componenti e codice alla piattaforma in modo che il tuo progetto agisca in base alle previsioni del tuo modello.
RIFLESSIONE
Hai iniziato a codificare la parte di azione della tua applicazione AI! È qui che puoi vedere i risultati del tuo modello e cosa può fare davvero!
Questo è un buon momento per controllare il tuo Piano di Progetto/Canvas per vedere come sta procedendo il tuo progetto. Potresti voler modificare le tempistiche e le attività in base alla piattaforma che stai utilizzando e ai passaggi necessari per raggiungere gli obiettivi del progetto.
Una volta che il tuo codice è funzionante, è anche il momento di verificare con i tuoi utenti. Trova delle persone che provino la tua applicazione e ti forniscano un feedback.
REVISIONE DEI TERMINI CHIAVE
- Software - termine che indica i programmi o le applicazioni che vengono eseguiti su un computer o un dispositivo.
- Estensioni - pacchetti di software che aggiungono funzionalità a programmi esistenti
RISORSE AGGIUNTIVE
Smistatore di marshmallow con Teachable Machine e Coral.
Dai un'occhiata a questi video sugli strumenti AI più avanzati!
- Google Colab, codifica in Python
- DialogFlow - Parte 1 con Google AppSheets
- Flusso di dialogo - Parte 2 e un assistente virtuale
