选自Heartbeat
作者：Gant Laborde
机器之心编译
参加：韩放
你知道怎样在浏览器中练习并测验机器学习模型吗？本文带你快速练习一个「剪刀石头布」的辨认模型，你能够在家向朋友演示你的模型作用。
假定你回到两年前，现在要让我写一个算法，拍照一只手的图画，并确认它是石头、剪刀仍是布。我会说这有或许完结，但需求给我 6 个月时刻。
现在，假如你再问我这个问题，我能够引导你拜访 https://rps-tfjs.netlify.com/，并说：「您能够 10 分钟内涵浏览器中练习一个模型。」
什么是网页版「石头剪刀布」
经过这个网站，咱们能够在浏览器中精确得完结辨认石头剪刀布这一使命，一切核算都在本地完结，速度将取决于本地硬件的好坏。因为该项目运用了 TensorFlow.js，一切深重的作业都发生在浏览器和 Javascript 中！
机器学习需求数据来练习模型，咱们等待经过一段时刻的练习后，这个模型变得满足聪明，然后辨认曾经从未见过的石头、剪刀和布的相片。
首要，咱们需求一些「石头、剪刀、布」图画的练习数据。先不要急着给一切的朋友打电话搜集数据，咱们能够运用谷歌 Laurence Moroney 供给的一些优异数据。
数据集地址：http:///rock-paper-scissors-dataset/
浏览器怎样加载练习数据
在正常的机器学习作业流程中，咱们能够按文件夹安排图画文件，并经过简略的全局变量获取。可是在浏览器中，体系对内存中加载的内容进行了沙盒处理，假如咱们要加载 10MB 的图画，那么就会遇到妨碍。
走运的是，咱们能够运用一个经典的技巧将一组图画传输到浏览器：sprite 表。咱们把一组图画粘在一同构成独自的图画。在这种情况下，每一个小图都展开成一个向量，这些向量堆叠在一同便是一张「大图」。经过这种方法，咱们就能够创立 10MB 的大图画来保存一切小图画。
将二维图画展开成一维向量的作用图。
我编写了自己的 sprite 表生成器，并在「石头剪刀布」数据集上运转它。成果看起来很张狂。您能够看到这样的图画：
转换成这样的调集：
单张小图缩小到 64x64，上图总共 2520 张，发生的图画是（4096x2520）。
Python 源代码在这个项意图 spritemaker 文件夹中，因而假如你要对彻底不同的数据集履行类似的操作，能够用它创立自己的 sprite 表。
已然一切图画都被组合成单一的图画，咱们就能够将图画切割开来进行练习和验证。
单击按钮-预备练习
或许需求一秒钟的时刻来加载并解析大图画，而且当你按下网站上的按钮时，信息将被填充到 TensorFlow Visor。它基本上是一个小的滑动菜单，协助咱们在练习时显现信息。
在 visor 上，咱们将看到从数据会集随机抽取了 42 张图画作为测验数据。一切图画数据是 RGB 的，可是假如咱们翻开 constants.js，能够将通道数削减到 1。
加载 42 张随机样本并显现在 vis 中。
此外，咱们将在此侧菜单中看到模型层、未经练习的成果、练习计算信息和练习成果。
你创立模型的界面如下：
我得到了一个适用于简略数据的简略模型，还有一个高档模型。其间高档模型对多个视点和布景的数据更有用，它的鲁棒性更强。
什么样的「石头剪刀布」模型才算好
你或许会想，咱们应该运用高档的模型，这是一个常见的圈套。假如你挑选高档模型，你或许会遇到一些常见的问题。首要，它需求更长的时刻来练习，第二，它乃至或许练习地欠好。第三，假如练习时刻过长，高档模型将呈现过度拟合现象。
过度拟合意味着该模型在猜测练习数据方面十分超卓，可是对从未见过的数据十分糟糕，一个好的机器学习模型应该是能够泛化的。
在练习模型时，每一次迭代更新一张作用图表，在本例中为 512 个图画迭代一次。而且每个 epoch 更新一次图标（一切 2100 个练习图画）。杰出的练习迭代意味着丢失削减，精确度进步。
精确率图表中的橙色线是在验证集上的体现，即模型在未经练习的 420 张图画上精确度怎么。能够看到橙色线的练习精确率很高！咱们的模型应该很好地泛化（只需新的图画在复杂性和款式上与练习数据类似）。
正如你所看到的，剪刀总是精确的，而咱们最差的类是布，只要 95% 的精确率。因为练习是随机初始化的，所以每次成果会略有不同。为了进一步发掘辨认作用，咱们也得到了一个混杂矩阵。
正如在这里看到的，布被意外地归类为剪刀 6 次。这是有道理的，有时候布看起来有点像剪刀。像上面这样的混杂矩阵能够协助咱们找出需求处理的问题。
最终看看作用吧
现在咱们总算能够在实际国际中测验咱们的模型了。运用网络摄像头，咱们能够查看咱们自己的手是否有石头剪刀布！请记住，咱们期望咱们的相片与咱们的练习图画类似，以便正常运转（无旋转和白色布景）。
网络摄像头将拍照并转换为 64x64 图画。
你现已在你的浏览器中练习了一个模型，验证测验了它，乃至在实际场景中测验了它。很少有人能做到这一点，在浏览器中完结这一切的人乃至更少。
最终本项意图一些资源：
源代码：https://github.com/GantMan/rps_tfjs_demo
Demo：https://rps-tfjs.netlify.com/
本文为机器之心编译，转载请联络本大众号取得授权。
------------------------------------------------
