动手实践机器学习

本活动改编自 Codeweek 创建的活动，它遵循了Creative Commons Attribution-NonCommercial-ShareAlike 4.0 国际许可证授权。您可以在他们的网站上找到原始活动列表。本活动使用的两个数据集，初始训练数据集和测试数据集，也是由他们创建的。

我们将使用Google的教学机器(Teachable Machine)来训练机器将图像分类为自行车或摩托车。回顾一下，机器学习应用程序在使用前必须经过训练和测试。我们会收集并整理一些样本图片，这些图片将被用于训练模型，并测试它是否能够正确分类一组示例图片。

步骤 1: 收集并分组示例图片

1.1 下载这里找到的自行车图片。

1.2 如有必要，将zip文件夹内容解压到您电脑上的本地文件夹中。这将用作机器学习应用的训练集。

1.3 下载这里找到的摩托车图片。

1.4 如有必要，将zip文件夹内容解压到您电脑上的本地文件夹中。这也将用作机器学习应用的训练集。

1.5 下载这里找到的所有图片。

1.6 如有必要，将zip文件夹内容解压到您电脑上的本地文件夹中。这将用作测试数据集。

1.7 点击Google的教学机器并选择图像项目 > 标准图像模型。

1.8 在类别 1 下，点击上传 > 从您的文件中选择图片 > 打开您在步骤 1 和 2 中创建的自行车图片文件夹，并导入此处存储的所有图片。

1.9 在类别 2 下，点击上传 > 从您的文件中选择图片 > 打开您在步骤 3 和 4 中创建的摩托车图片文件夹，并导入此处存储的所有图片。

步骤 2: 训练模型

完成图片上传后，点击训练模型按钮。这时，模型就会开始学习如何区分自行车和摩托车。耐心等待，直到显示模型已训练完成。

注意，我们不必手动选择和输入自行车和摩托车的特征。算法会自动从图片中学习和识别这些特征。

步骤 3: 测试模型

3.1 在预览界面，点击靠近网络摄像头的箭头并更改输入为文件。

3.2 点击从您的文件中选择图片并选择您在 1.5 和 1.6 中存储的测试图片。

3.3 向下滚动并查看输出结果。

3.4 您可以多次尝试不同的测试图片，以评估模型的性能。

如果一张图片被用来训练分类器，机器已经记录了该图片的相应标签。在测试阶段将这张图片展示给机器无法衡量模型的泛化能力。这就是为什么您的测试数据集和训练数据集应该彼此不同。

注意：您也可以上传自己的图片进行训练和测试。这里是一个不错的免费图片资源。