描述

Teachable Machine 是一種創建機器學習模型的簡單但強大的工具。它允許輕松捕獲數據以創建訓練數據集，并使用最先進的算法在您的瀏覽器中訓練機器學習模型。它是在一個非常直觀的網絡界面中完成的。您可以生成圖像、聲音或姿勢檢測模型。在這個項目中，我將為您提供設置 OpenCV/TensorFlow Python 開發環境和 Python 腳本框架的分步指南，以便輕松地將 Teachable Machine 圖像模型整合到您的項目中。

該項目的目標是大大降低使用機器學習的準入門檻。本教程應該為您提供制作一些令人興奮的機器學習項目所需的工具。希望以后能用這個開發環境和框架做一些更有趣的教程和demo。

您可以跟隨并生成自己的模型，也可以使用我生成的 Teachable Machine 模型。我提供的模型可以檢測您的 La Croix 風味。

該項目的 Github 存儲庫：https ://github.com/mjdargen/Teachable-Machine-Object-Detection

編輯：我現在創建了一個在 Raspberry Pi 上設置相同環境的版本：https ://www.hackster.io/mjdargen/easy-object-detection-on-rpi-la-croix-flavor-detector-93f0a4

補給品：

• 計算機（在 Windows 10、Ubuntu 18.04、MacOS High Sierra 10.13 中測試）
• Python 3（經過測試的 Python 3.6 和 Python 3.7）
• 攝像頭

第 1 步：使用可教機器生成模型

?

?

?

?

?

1 / 5

?

設置項目

Teachable Machine 是一款非常易于使用的工具，具有非常直觀的界面。對于這個項目，我們將使用圖像檢測。轉到https://teachablemachine.withgoogle.com/并單擊開始。現在選擇圖像項目。這將打開圖像模型訓練窗口。

創建數據集

您將添加并命名要訓練模型以檢測的類（即對象）。用直觀的名稱很好地命名類。類的名稱是稍后程序在該對象出現在框架中時調用的名稱。

做一個“背景”類是個好主意。這可以幫助訓練模型不將來自背景的細節歸因于其他類之一。如果你將這個類命名為“Background”，最終的程序，它使用文本到語音來說出框架中對象的名稱，將忽略背景類并且不會在每次它只是背景時調用“背景”在框架中。

要將圖像示例添加到課程中，您可以使用網絡攝像頭在 Teachable Machine 中捕獲圖像或從其他來源上傳圖像。為了生成模型，您需要大量高質量的數據。你可以在我的“La Croix Flavor Detector Model”示例中看到，每個類我有不少于 600 個樣本。我使用網絡攝像頭快速捕獲了許多不同的樣本。我確保在具有各種背景的不同照明條件下從各個角度捕捉對象，以生成準確的模型。

訓練模型

設置好所有類并對數據集感到滿意后，就該訓練模型了！點擊“火車模型”按鈕。為了訓練模型，您必須在瀏覽器中打開該選項卡。訓練模型可能需要一段時間。在這個項目中，我有 7 個班級，超過 600 個樣本，訓練大約需要 20 分鐘。您的瀏覽器可能偶爾會抱怨“可教機器”選項卡會降低您的瀏覽器速度。只需確認通知并說沒關系，這樣您的瀏覽器就不會取消培訓（不同的瀏覽器對此通知的措辭不同）。完成后，就該測試您的模型了！

預覽模型

現在是時候測試你的訓練模型了，看看它的效果如何！轉到“預覽”窗格并打開輸入。將各種對象呈現給網絡攝像頭，并查看模型是否準確猜測幀中的對象。請記住，模型無法檢測到多個對象，除非您為兩個對象存在時創建了一個類。如果效果不佳，請嘗試為模型提供更多照片。如果您滿意，是時候導出模型了！

導出模型

要導出模型，請單擊“導出模型”按鈕。將彈出一個新窗口。點擊“Tensorflow”選項卡，選擇“Keras”模型轉換類型。現在單擊“下載我的模型”。壓縮模型并準備下載可能需要大約一分鐘左右的時間。您應該會看到一個彈出窗口，要求您保存一個 zip 文件。保存文件并解壓縮。您應該會看到一個“keras_model.h5”文件和一個“labels.txt”文件。堅持這些，一旦您在計算機上設置了 Python 環境，我們就會使用它們！

第 2 步：安裝 Python 3 和 Git

Python 3 安裝和設置

如果您的機器上尚未安裝 Python 3，您需要做的第一件事是安裝它。轉到https://www.python.org/downloads/并為您的操作系統下載并運行正確的安裝。我已經在 Python 3.6 和 Python 3.7 中測試了這個開發環境，一切似乎都正常工作。然而，Python 3.8 似乎還沒有完全支持其中一些庫。我建議為您的環境安裝最新版本的 Python 3.7。在安裝過程中，確保選中復選框以將 Python 添加到路徑。

完全安裝 Python 并將 Python 添加到 Path 后，打開終端或命令提示符并輸入“python --version”，然后輸入“python3 --version”。這很重要，因為我們想知道“python”或“python3”命令是否映射到您的 Python 3 安裝。您需要知道這一點才能運行您的 Python 腳本、安裝新的 Python 包等。如果沒有可執行文件映射到 python 或 python3，請查找將環境變量添加到您的操作系統的路徑。

在上圖中的第一個示例中，您可以看到“python”調用 Python 3，而“python3”沒有調用任何內容。在圖像的第二個示例中，“python3”調用您的 Python 3 安裝。這是因為有一個 Python 2 安裝映射到第二個示例中的“python”命令。

Git 項目文件

現在您需要從我的 Github 存儲庫中檢索安裝文件、機器學習模型和演示 Python 程序。您可以安裝 git 客戶端并克隆存儲庫，也可以從瀏覽器下載存儲庫的 zip 文件。

https://github.com/mjdargen/Teachable-Machine-Object-Detection

git clone https://github.com/mjdargen/RPi-La-Croix-Flavor-Detector

第 3 步：設置 Python 環境：OpenCV 和 TensorFlow

?

?

?

?

?

1 / 2

?

我已經編寫了安裝腳本來簡化這個開發環境的安裝過程。上面列出了安裝腳本。只需為您的操作系統選擇適當的腳本。

我現在在這里創建了一個在Raspberry Pi上設置相同環境的版本：https ://www.hackster.io/mjdargen/easy-object-detection-on-rpi-la-croix-flavor-detector-93f0a4

Windows 安裝

• 假設您已安裝 Python 3。
• 假設您的 Python 3 可執行文件是使用“python”調用的。如果不是這種情況，您將需要編輯批處理腳本并將“python”命令的每個實例替換為“python3”。
• 從 Powershell 運行批處理腳本：“./installation_scripts/windows_install.bat”（不要以管理員身份運行）。
• 可能需要約 30 分鐘或更長時間，具體取決于您的系統和互聯網連接。

Mac 安裝

• 假設您已安裝 Python 3。
• 假設您的 Python 3 可執行文件是使用“python3”調用的。如果不是這種情況，您將需要編輯 shell 腳本并將“python3”命令的每個實例替換為“python”。
• 導航到終端中存儲庫的文件夾。
• 您需要通過運行以下命令使腳本可執行：“sudo chmod +x./installation_scripts/mac_install.sh”
• 使用以下命令運行 shell 腳本：“./installation_scripts/mac_install.sh”。
• 此安裝腳本還安裝Homebrew 包管理器。
• 可能需要約 30 分鐘或更長時間，具體取決于您的系統和互聯網連接。

Linux 安裝

• 假設您已安裝 Python 3。
• 假設您的 Python 3 可執行文件是使用“python3”調用的。如果不是這種情況，您將需要編輯 shell 腳本并將“python3”命令的每個實例替換為“python”。
• 導航到終端中存儲庫的文件夾。
• 您需要通過運行以下命令使腳本可執行：“sudo chmod +x./installation_scripts/linux_install.sh”
• 使用以下命令運行 shell 腳本：“./installation_scripts/inux_install.sh”。
• 可能需要約 30 分鐘或更長時間，具體取決于您的系統和互聯網連接。

使用 Python 虛擬環境

如果安裝腳本成功執行，您現在已經安裝了所有必要的依賴項，以便在您機器上的 Python 虛擬環境中運行 OpenCV 和 Tensorflow。虛擬環境稱為 TMenv，位于克隆存儲庫的頂層目錄中，標題為“Teachable-Machine-Object-Detection”。

Python 包安裝在虛擬環境中，以免破壞與 Python 的主要安裝相關的包，以防您有其他程序依賴于特定版本的包。

要使用您安裝的軟件包來運行演示，您需要激活您的虛擬環境。

• Mac/Linux：“源 TMenv\bin\activate”
• Windows：“TMenv\Scripts\activate”

激活環境后，它將在終端提示之前的括號中顯示虛擬環境的名稱。此時您所做的與 Python 相關的任何操作都只會影響您的 TMenv 虛擬環境。您現在可以在虛擬環境中運行 Python 腳本。要退出您的虛擬環境，只需運行命令“deactivate”。

第 4 步：OpenCV 常見對象檢測測試

?

?

。您需要注釋掉“cv2.imshow”和“cv2.waitKey”行。該程序將標記它識別的對象，并將使用文本到語音來說出對象的名稱。

cd ~/Documents/Teachable-Machine-Object-Detection     	# change directory to cloned repo
source TMenv/bin/activate  		# activate venv for Mac/Linux OR
TMenv/Scripts/activate			# activate venv for Windows
python tm_obj_det.py			# executes script, press ctrl+c to quit
deactivate				# to exit the virtual environment

注意：Python 腳本將永遠運行，直到您按 ctrl+c 關閉程序。

第 7 步：混音！

這些安裝在你的虛擬環境中的包和我提供的腳本應該會給你一個有用的框架來開發很多令人興奮的東西。您現在可以輕松地將對象檢測整合到您的所有項目中！我希望繼續在這個領域做更多的項目，以制作一些使用圖像檢測和利用這個框架的更有趣的項目。

這里有一些項目想法。隨意帶他們一起跑，或者想出你自己的！

• 一個程序來識別你的朋友并在他們來到你家時用名字打招呼。
• 一個程序，用于檢測您何時離開家，并要求您出示手機、鑰匙、錢包等，以確保您在離開家時擁有一切。
• 構建一個分揀機，該分揀機使用電機根據對象的特定方向將對象轉移到特定方向。
• 一個程序，它將檢測手語中的字母并將其寫入文本文件。

?