- 瞭解如何將機器學習模型集成到應用中
- 開始編寫應用程式集成代碼
以下是本課的活動：
集成模型
到現在為止，希望您的團隊已經
- 使用健康的資料集訓練其 AI 模型。
- 使用新的和多樣化的數據測試了模型
但你不能把它留在那裡！
你希望你的模型 根據它所做的預測採取行動。
您需要在 應用程式中實現您的模型 以使其有用。
選擇平臺
使用哪個平台對應用進行編碼將取決於：
- 您的移動應用編碼平臺偏好是什麼
- 您用於訓練模型的平臺
以下是第5單元中討論的機器學習平臺。按兩下每個選項以檢視用於將模型整合到應用程式中的一些選項。
Teachable Machine是一個非常通用的平臺。您可以將模型保存到雲端或另存為檔，因此您有許多與編碼平臺集成的選項。
此 視頻 介紹如何導出模型。
- App Inventor 有一個由 Fabiano Oliveira 貢獻的 Teachable Machine Image Classification 擴展，可以在擴展抽屜中下載和導入。
- Teachable Machine 提供代碼片段以與機器學習庫 Tensorflow 集成。它提供 3 個代碼片段選項：
- Tensorflow.js – Javascript 語言將允許您創建網頁或 Web 應用程式。
- Tensorflow – 用於創建 Web 應用程式的 Python 語言。
- Tensorflow Lite – 用於創建行動應用程式的 Java 語言。
所有 3 個代碼片段都為您提供了要複製的模型檔和代碼。根據語言的不同，您可能需要安裝庫和代碼編輯器。代碼片段提供了指向說明的連結。
以下是使用 Tensorflow.js 選項的步驟：
- 複製代碼並將其粘貼到電腦上的新空白文本檔中。
- 將其另存為index.html（或其他帶有 .html擴展名的內容）。
- 在 Web 瀏覽器中開啟檔。它將提供一個基本介面，您可以在其中根據您的模型對網路攝像頭捕獲的圖像進行分類。
- 如果您希望能夠上傳要分類的圖像，而不是網路攝像頭，則此 代碼 有效。 （圖片由Chris Hoyean Song提供）只需確保將模型 URL 從原始代碼片段複製到此檔即可。
- 複製代碼並將其粘貼到電腦上的新空白文本檔中。
Tensorflow 和 Tensorflow Lite 選項需要安裝不同的軟體和編碼庫。請查看 github 網站以獲取進一步說明。
- 按兩下 Designer Palette 中的 Extension 。
- 按兩下導入擴展
- 按兩下 選擇檔案， 然後選擇從上述擴展頁面下載的擴展檔。
- 按兩下 「匯入 」按鈕以導入擴展及其塊。
您還需要將 WebViewer 元件添加到您的專案中。可以在使用者介面抽屜中找到它。
在下面的示例中，我們展示了如何設置圖像分類器，但如果您的模型涉及聲音，則它與音訊分類器的工作方式幾乎相同。
要從分類器連結模型，請先從分類器網站下載模型，然後，
- 選擇 PersonalImageClassifer 元件。
- 在「屬性」面板中，按兩下模型「下的」無“，然後上傳下載的model.mdl檔。（該檔可以重命名任何名稱，但其名稱中必須包含 .mdl 擴展名）。
- 按下WebViewer下的“None”，然後選擇剛剛添加到專案中的WebViewer元件。
請注意屬性“InputMode”，它可以是 Video 或 Image。如果選擇視頻，它將不斷嘗試對 WebViewer 中顯示的視頻源進行分類。如果選擇 Image，則必須添加 Camera 或 ImagePicker 元件才能獲取要分類的圖像。您仍然需要 WebViewer 元件才能進行圖像分類。
使用 Ximilar 製作的模型可以與 API 一起使用，以將其整合到應用程式中。
您可以使用 Thunkable 中的 Web API 元件將來自 Ximilar 等平臺的外部模型整合到應用程式中。注意：我們將在下一個單元中介紹 Thunkable 中的 API 。
觀看 Pratham 視頻的第二部分，將 Unit 5 中的珊瑚 AI 模型整合到 Thunkable 行動應用程式中。
活動：集成 AI 模型
根據您選擇的平台進行集成
- 查看您的特定平臺需要什麼才能將經過訓練的 AI 模型添加到專案中。
- 在您選擇的平台中創建一個新專案並添加您的模型。你如何做到這一點將取決於你的特定平臺的流程。
- 下手！將元件和代碼添加到平臺，以便您的專案根據模型的預測採取行動。
反射
您已經開始編寫 AI 應用程式的動作部分！在這裡，您可以查看模型的結果以及它真正可以做什麼！
現在是檢查您的項目計劃/畫布以查看您的專案進展情況的好時機。您可能需要根據您正在使用的平臺以及實現項目目標所需的步驟來調整時程表和任務。
一旦你讓你的代碼工作，也是時候重新與你的用戶簽到了。找一些人來測試你的應用並提供反饋。
關鍵術語的審查
- 軟體 – 在電腦或設備上運行的程式或應用程式的術語
- 擴展 – 向現有程式添加功能的套件
其他資源
棉花糖分揀機使用Teachable Machine和Coral。
觀看這些視頻，瞭解更高級的 AI 工具！
- Google Colab，用 Python 編碼
- DialogFlow – 第 1 部分與 Google AppSheets
- Dialogflow – 第 2 部分和虛擬助手
