- Aprender como integrar seu modelo de machine learning em um aplicativo
- Iniciar a programação da integração do app
Estas são as atividades para esta lição:
INTEGRAÇÃO DE SEU MODELO
A esta altura, esperamos que sua equipe tenha
- treinado seu modelo de IA usando um conjunto de dados saudáveis.
- testado o modelo com dados novos e diversos
Mas você não pode simplesmente deixá-lo lá!
Você quer que seu modelo tome ação com base na previsão que ele faz.
Você precisará implementar seu modelo em um aplicativo para torná-lo útil.
ESCOLHENDO UMA PLATAFORMA
A plataforma que você usa para programar o app depende disso:
- Qual é sua preferência de plataforma de programação de aplicativo
- qual plataforma você usou para treinar seu modelo
Abaixo estão as plataformas de machine learning discutidas na Unidade 5. Clique em cada uma delas para ver algumas opções de integração do modelo em um aplicativo.
O Teachable Machine é uma plataforma muito versátil. Você pode salvar seu modelo na nuvem ou salvá-lo como um arquivo, portanto, há muitas opções de integração com as plataformas programação .
Este vídeo descreve como exportar seu modelo.
- O App Inventor tem uma extensão de Image Classification (Classificação de Imagem), com a contribuição de Fabiano Oliveira, que pode ser baixada e importada na gaveta Extension (Extenção).
- O Teachable Machine fornece trechos de código para integração com o Tensorflow, uma biblioteca de machine learning. Ele oferece 3 opções de trechos de código:
- Tensorflow.js - A linguagem Javascript permitirá que você crie uma página da Web ou aplicativo web.
- Tensorflow - Linguagem Python para criar aplicativos web.
- Tensorflow Lite - Linguagem Java para criar aplicativos.
Todos os três trechos de código fornecem um arquivo de modelo e um código para copiar. Dependendo do idioma, talvez seja necessário instalar bibliotecas e editores de código. Os links para as instruções são fornecidos com o trecho de código.
Estas são as etapas para usar a opção Tensorflow.js:
- Copie o código e cole-o em um novo arquivo de texto em branco em seu computador.
- Salve-o como index.html (ou qualquer outra coisa com extensão .html).
- Abra o arquivo em um navegador da Web. Ele fornecerá uma interface básica na qual você poderá classificar uma imagem capturada com a webcam com base em seu modelo.
- Se você quiser fazer upload de uma imagem para classificar, em vez da webcam, este código funciona. (Cortesia de Chris Hoyean Song) Apenas certifique-se de copiar o URL do modelo do trecho de código original para esse arquivo.
- Copie o código e cole-o em um novo arquivo de texto em branco em seu computador.
As opções Tensorflow e Tensorflow Lite exigirão uma instalação diferente do software e das bibliotecas programação. Consulte o site do Github para obter mais instruções.
Integrações do Technovation: Python, App Inventor
No momento, a única integração do Machine Learning for Kids que está funcionando plenamente para o Junior e o Senior categoria é o Python.
Para saber mais sobre como integrar seu modelo de Machine Learning for Kids ao Python, experimente uma das planilhas desta página. Selecione Python no menu suspenso Make Type (Tipo de criação).
O MIT App Inventor é uma opção de integração, mas nem todos os tipos de conjuntos de dados estão funcionando plenamente. Consulte o site Machine Learning for Kids para ter certeza de que seu conjunto de dados é compatível com App Inventor.
Extensões no App Inventor são componentes externos que adicionam funcionalidade a um aplicativo, mas não fazem parte dos componentes principais do App Inventor .
Depois de treinar seu modelo de imagem ou som usando os sites classificadores de App Inventor(imagem, som), você usará uma extensão no App Inventor para dar vida ao seu modelo em aplicativo.
- Clique em Extension (Extensão) na paleta Designer.
- Clique em Importar extensão.
- Clique em Choose File (Escolher arquivo) e escolha o arquivo de extensão que você baixou da página de extensões acima.
- Clique no botão Importar para importar a extensão e seus blocos.
Você também precisa adicionar um componente WebViewer ao projeto. Ele pode ser encontrado na gaveta User Interface.
No exemplo abaixo, mostramos como configurar o Classificador de imagem, mas ele funciona praticamente da mesma forma com o Classificador de áudio, se o seu modelo envolver sons.
Para vincular seu modelo a partir do classificador, primeiro faça o download do modelo no site do classificador e, em seguida,
- Selecione o componente PersonalImageClassifer.
- No painel Properties (Propriedades), clique em "None" (Nenhum) em Model (Modelo) e selecione o arquivo model.mdl baixado. (O arquivo pode ser renomeado para qualquer nome, mas deve ter a extensão .mdl em seu nome).
- Clique em "None" (Nenhum) em WebViewer e selecione o componente WebViewer que acabou de ser adicionado ao projeto.
Observe a propriedade "InputMode", que pode ser Vídeo ou Imagem. Se você escolher vídeo, ele tentará classificar continuamente o feed de vídeo que aparece no WebViewer. Se escolher Imagem, será necessário adicionar um componente Camera ou ImagePicker para obter uma imagem a ser classificada. Você ainda precisará do componente WebViewer para que a classificação da imagem funcione.
Os modelos criados com o Ximilar podem ser usados com uma API para integrá-los a um aplicativo.
Você pode usar o componente Web API no Thunkable para integrar um modelo externo de uma plataforma como o Ximilar em um aplicativo. Observação: abordaremos as APIs no Thunkable na próxima unidade.
Assista à segunda parte do vídeo de Pratham para incorporar seu modelo de IA de coral da Unidade 5 em um aplicativo Thunkable.
ATIVIDADE: INTEGRE SEU MODELO DE IA
Integre com base em sua plataforma escolhida
- Analise o que é necessário para sua plataforma específica para adicionar seu modelo de IA treinado a um projeto.
- Crie um novo projeto em sua plataforma selecionada e adicione seu modelo. A forma de fazer isso dependerá do processo de sua plataforma específica.
- Aja! Adicione componentes e códigos à plataforma para que o o projeto tome uma ação com base na previsão de seu modelo.
REFLEXÃO
Você começou a programar a parte de ação do seu aplicativo de IA! É aqui que você pode ver os resultados do seu modelo e o que ele realmente pode fazer!
Agora é um bom momento para consultar o plano/canvas do projeto e ver como o projeto está progredindo. Talvez você queira ajustar os cronogramas e as tarefas com base na plataforma que está usando e nas etapas necessárias para atingir as metas do o projeto.
Quando o código estiver funcionando, também é hora de verificar com os usuários. Encontre algumas pessoas para testar o app e fornecer feedback.
REVISÃO DOS PRINCIPAIS TERMOS
- Software - Termo para programas ou aplicativos que são executados em um computador ou dispositivo
- Extensões - Pacotes de software que adicionam funcionalidade a programas existentes
RECURSOS ADICIONAIS
Classificador de marshmallow usando o Teachable Machine e o Coral.
Confira estes vídeos sobre ferramentas de IA mais avançadas!
- Google Colab, programação em Python
- DialogFlow - Parte 1 com o Google AppSheets
- Fluxo de diálogo - Parte 2 e um assistente virtual
