🤖 交互式机器学习实验

2025-06-07

🤖 交互式机器学习实验

TL;DR

嘿，读者们！

我在 GitHub 上开源了新的🤖 交互式机器学习实验项目。每个实验包含 🏋️ Jupyter/Colab 笔记本（用于查看模型的训练过程）和 🎨演示页面（用于在浏览器中直接查看模型的运行情况）。

尽管这些模型可能有点笨（请记住，这些只是实验，而不是可用于生产的代码），但它们会尽力做到：

  • 🖌 识别您在浏览器中绘制的数字或草图
  • 📸 检测并识别您将向相机显示的物体
  • 🌅 对上传的图像进行分类
  • 📝 和你一起写一首莎士比亚的诗
  • ✊🖐✌️ 和你一起玩石头剪刀布游戏
  • ETC。

我使用支持Keras的TensorFlow 2在Python上训练了模型，然后使用React和JavaScript版本的Tensorflow在浏览器中将它们用于演示。

模型性能

⚠️ 首先，让我们设定一下预期。️ 该代码库包含机器学习实验，而非可用于生产的、可复用的、经过优化和微调的代码和模型。它更像是一个沙盒或游乐场，用于学习和尝试不同的机器学习方法、算法和数据集。模型可能表现不佳，并且存在过拟合/欠拟合的情况。

因此，有时您可能会看到如下内容：

愚蠢的模型

但请耐心等待，有时模型可能会变得更智能🤓并为您提供以下信息：

智能模型

背景

我是一名软件工程师，过去几年主要从事前端和后端编程。闲暇时，出于爱好，我决定深入研究机器学习，让它对我来说不那么像魔术，而更像数学。

  1. 🗓 因为Python可能是开始尝试机器学习的不错选择，所以我决定先学习它的基本语法。于是，我创建了一个🐍 Python 学习平台和速查表项目。这个项目不仅可以用来练习 Python，还能在需要的时候（比如……）有个基本语法速查表dict_via_comprehension = {x: x**2 for x in (2, 4, 6)}。

  2. 🗓 学了一点 Python 之后，我想深入研究机器学习背后的基础数学。所以，在 Coursera 上学习了Andrew Ng 的一门很棒的机器学习课程后，🤖 自制机器学习项目应运而生。这次，我的项目是创建一个速查表，涵盖线性回归、逻辑回归、K 均值、多层感知器等基础机器学习数学算法。

  3. 🗓 下一次尝试使用基础机器学习数学是🤖 NanoNeuron。它包含 7 个简单的 JavaScript 函数，旨在让你了解机器实际上是如何“学习”的。

  4. 🗓 在 Coursera 上完成了Andrew Ng 的另一门很棒的深度学习专项课程后，我决定多练习一下多层感知器、卷积神经网络和循环神经网络（CNN 和 RNN）。这次，我没有从头开始实现所有东西，而是决定开始使用一些机器学习框架。我最终使用了TensorFlow 2和Keras。我不想把太多精力放在数学上（让框架帮我搞定），而是想提出一些更实用、更适用、可以直接在浏览器中尝试的东西。因此，新的🤖 交互式机器学习实验应运而生，我想在这里更详细地描述一下。

技术栈

模型训练

  • 🏋🏻‍ 我使用TensorFlow 2中的Keras进行建模和训练。由于我对机器学习框架毫无经验，所以我需要从头开始。TensorFlow 的一大优势在于它同时提供 Python 和JavaScript 两种版本的库，并且 API 相似。所以最终我使用了 Python 版本进行训练，JavaScript 版本进行演示。

  • 🏋🏻‍我在本地的Jupyter笔记本中使用 Python 训练 TensorFlow 模型，有时使用Colab来加快 GPU 上的训练速度。

  • 💻 大多数模型都是在旧款 MacBook Pro CPU（2.9 GHz 双核 Intel Core i5）上进行训练的。

  • 🔢 当然，你不可能逃避使用NumPy进行矩阵/张量运算。

模型演示

  • 🏋🏻‍我使用TensorFlow.js对之前训练过的模型进行预测。

  • ♻️ 为了将Keras HDF5模型转换为TensorFlow.js Layers格式，我使用了TensorFlow.js 转换器。将整个模型（数兆字节的数据）传输到浏览器，而不是通过 HTTP 请求进行预测，这可能效率低下，但再次强调，这些只是实验，而不是可用于生产的代码和架构。我希望避免使用专用的后端服务，以简化架构。

  • 👨🏻‍🎨 该演示应用程序是在React上使用create-react-app启动器创建的，并使用默认的Flow风格进行类型检查。

  • 💅🏻 样式方面，我使用了Material UI。俗话说，这可以“一举两得”，而且还可以尝试新的样式框架（抱歉，是Bootstrap 🤷🏻‍）。

实验

简而言之，您可以通过以下链接访问演示页面和 Jupyter 笔记本：

多层感知器（MLP）实验

多层感知器 (MLP)是一种前馈人工神经网络 (ANN)。多层感知器有时也被称为“香草”神经网络（由多层感知器组成），尤其是在它们只有一个隐藏层的情况下。

手写数字识别

你画一个数字，模型就会尝试识别它。

手写数字识别

手写草图识别

你画一个草图，模型就会尝试识别它。

手写草图识别

卷积神经网络（CNN）实验

卷积神经网络（CNN 或 ConvNet）是一类深度神经网络，最常用于分析视觉图像（照片、视频）。它们用于检测和分类照片和视频中的物体、风格转换、人脸识别、姿势估计等。

手写数字识别（CNN）

你画一个数字，模型会尝试识别它。这个实验与 MLP 部分的实验类似，但底层使用了 CNN。

手写数字识别（CNN）

手写草图识别（CNN）

你画了一幅草图，模型会尝试识别它。这个实验与 MLP 部分的实验类似，但底层使用了 CNN。

手写草图识别（CNN）

石头剪刀布（CNN）

你和模型玩石头剪刀布游戏。本次实验使用从头开始训练的 CNN。

石头剪刀布（CNN）

石头剪刀布 (MobilenetV2)

你与模型玩石头剪刀布游戏。该模型使用迁移学习，基于MobilenetV2。

石头剪刀布 (MobilenetV2)

物体检测（MobileNetV2）

你通过摄像头向模型展示你的环境，它会尝试检测并识别物体。该模型使用迁移学习，基于MobilenetV2。

物体检测（MobileNetV2）

图像分类（MobileNetV2）

你上传一张图片，模型会根据它在图片上“看到”的内容尝试对其进行分类。该模型使用迁移学习，并基于MobilenetV2。

图像分类（MobileNetV2）

循环神经网络（RNN）实验

循环神经网络(RNN)是一类深度神经网络，最常用于基于序列的数据，例如语音、声音、文本或音乐。它们用于机器翻译、语音识别、语音合成等。

数字求和

你输入一个求和表达式（即17+38），模型就会预测结果（即55）。这里有趣的部分是，模型将输入视为一个序列，这意味着它学会了当你输入一个序列1→ 17→ 17+→ 17+3→17+38时，它会将其“翻译”成另一个序列55。你可以把它想象成把西班牙语Hola序列翻译成英语Hello。

数字求和

莎士比亚文本生成

你开始像莎士比亚那样输入一首诗，模型就会像莎士比亚那样继续下去。至少它会尝试这样做😀。

莎士比亚文本生成

维基百科文本生成

您开始输入 Wiki 文章，模型会尝试继续它。

维基百科文本生成

未来计划

正如我上面提到的，该代码库的主要目的是成为一个学习的游乐场，而不是一个可用于生产环境的模型。因此，我们的主要计划是继续学习和尝试深度学习的挑战和方法。接下来值得尝试的有趣挑战可能是：

  • 情绪检测
  • 风格转换
  • 语言翻译
  • 生成图像（即手写数字）
  • ETC。

另一个有趣的机会是调整现有模型，使其性能更佳。我相信，这或许能让我们更好地理解如何克服过拟合和欠拟合，以及如果模型60%在训练集和验证集上的准确率都停留在某个水平，不再提升，该怎么办🤔。

无论如何，我希望您可以从存储库中找到一些对模型训练有用的见解，或者至少可以从演示中获得一些乐趣！

学习愉快！🤖

文章来源：https://dev.to/trekhleb/interactive-machine-learning-experiments-3ga7
Devto 翻译
PREV
学习 Python 的新游乐场和速查表
NEXT
动态规划 vs. 分治法，或者更进一步的分治法