Maskininlärning finns överallt nuförtiden, från skräppostfiltrering och ansiktsigenkänning till röstassistenter och förarlösa bilar. Men du behöver ingen magisterexamen för att lära dig använda denna spännande teknik, tack vare en ny app från Microsoft som heter Lobe.
Lobe förenklar processen för maskininlärning, så att vem som helst kan skapa AI-modeller (artificiell intelligens) utan någon kodningskunskap. Vi kommer att förklara hur Lobe fungerar och hur du kommer igång med detta smarta nya verktyg.
Vad är Microsoft Lobe?
Lobe är en free skrivbordsapp för Windows och macOS som låter personer utan erfarenhet av programmering eller datavetenskap utföra experiment med artificiell intelligens. Det låter också utvecklare lägga till maskininlärningsfunktioner till sina egna appar.
Lobe förvärvades av Microsoft i september 2018 och låter dig bygga maskininlärningsmodeller med ett enkelt visuellt gränssnitt istället för att skriva kod. I den aktuella offentliga förhandsvisningen kan du klassificera uppsättningar bilder, så att Lobe kan identifiera innehållet i liknande bilder.
På sin AI-blogg ger Microsoft exemplen på att Lobe har tränats i att känna igen giftiga bär, skydda marina resurser genom att se valar på foton och skicka varningar när parkeringsplatser blir tillgängliga. Det har också använts i ett biodlingsprojekt för att upptäcka oönskade insekter som invaderar en bikupa.
Microsoft planerar att utöka Lobes funktioner i framtiden för att träna andra typer av modeller. Dessa kommer att inkludera objektdetektering, som lokaliserar specifika objekt i bilder, och dataklassificering, som etiketterar information i tabeller.
Så här skapar du en maskininlärningsmodell med hjälp av Lobes bildklassificeringsfunktion.
1. Ladda ner och installera Microsoft Lobe
För att få Lobe-appen för Windows eller macOS, klicka på Ladda ner knappen på hemsidan eller i det övre högra hörnet på Lobe-webbplatsen. Du måste ange några personliga uppgifter för att gå med i Lobe Beta, inklusive ditt namn, e-postadress och land, men eftersom Microsoft inte verifierar denna information kan du förfalska den.
En av de bästa sakerna med Lobe är faktiskt att den inte äventyrar din integritet. Appen fungerar offline och all data du importerar finns kvar på din dator istället för att laddas upp till molnet (och Microsoft).
Det är en ganska stor nedladdning (378MB i skrivande stund) och tar några minuter att installera. När du är klar kan du börja använda Lobe direkt, eftersom det inte finns några inställningar att konfigurera. Kolla bara Kör Lobe rutan och klicka Avsluta.
2. Lägg till och märk bilder i Lobe
När Lobe öppnas, klicka på Nytt projekt knappen i det nedre vänstra hörnet av startskärmen. Ange ett namn för ditt projekt uppe till vänster. Du kan nu lägga till och märka några bilder för att skapa din första maskininlärningsmodell.
Klicka på Importera knappen i det övre högra hörnet och välj om du vill lägga till bilder från din dator, ta bilder från en webbkamera eller importera en befintlig datauppsättning i form av en strukturerad mapp med bilder. För din första AI-modell är det bäst att använda det första, enklaste alternativet.
Välj minst fem bilder av samma motiv från din hårddisk, antingen individuellt eller genom att hålla nere Ctrl eller Cmd när du klickar på dem. Helst bör dessa ha variationer i bakgrund, belysning eller position för att hjälpa Lobe att identifiera de viktiga delarna. Jag har valt bilder på vår grannräv.
Ange en beskrivande etikett för den första bilden, som i vårt exempel är “räv”. Lobe sparar den här etiketten så att du snabbt kan använda den på de andra bilderna i datamängden. Högerklicka på en bild om du behöver redigera etiketten eller ta bort bilden.
Importera sedan ytterligare en uppsättning bilder av ett annat men relaterat ämne. Jag valde foton på min hund för Lobe för att skilja dem från rävens. Återigen, märk den första bilden med en beskrivande tagg och använd sedan samma etikett på de andra bilderna. Du kan valfritt upprepa processen för ytterligare uppsättningar, men du behöver bara två för att skapa en modell.
3. Träna din maskininlärningsmodell
När du har skapat minst två etiketter och applicerat dem på minst fem bilder var, kommer Lobe automatiskt att börja träna din maskininlärningsmodell. Du kommer att höra ett bekräftelseljud när processen är klar.
Klicka på Tåg alternativet i den vänstra kolumnen för att se resultaten. Håll musen över en bild och du bör se ett meddelande som säger: “Korrekt förutsägelse. Din lob förutsäger den här bilden korrekt [name of label].”
Du kan testa om din modell fungerar genom att importera en annan bild, för att se om Lobe förutsäger rätt etikett. Klick Spela till vänster, antingen dra och släpp en bild i appen eller klicka på Importera.
Om Lobe förutsäger etiketten för den importerade bilden korrekt, klicka på den gröna bockknappen; Om inte, klicka på den röda knappen. Fortsätt att lägga till bilder för att träna din AI-modell att känna igen olika varianter av motivet. Microsoft föreslår att du använder mellan 100 och 1 000 bilder per etikett, beroende på hur komplex uppgiften är.
4. Optimera din maskininlärningsmodell
Om Lobe fortsätter att göra felaktiga förutsägelser finns det flera sätt du kan göra din maskininlärningsmodell mer pålitlig.
Gå till avsnittet Tåg, klicka på Se knappen i det övre högra hörnet och välj Felaktigt först. Detta kommer att visa dig vilka bilder som oftast förvirrar Lobe. Importera fler varianter av dessa felmärkta bilder för att markera som korrekta eller felaktiga. Detta kommer att göra framtida förutsägelser mer exakta.
Lobe förutsäger alltid en av dina etiketter, även om bilden du importerar inte innehåller relaterat innehåll. För att förhindra felaktig identifiering, lägg till platshållarbilder och märk dem Ingen, så att din modell inte tvingas välja mellan fel svar.
Om du arbetar med en stor datamängd och upplever många felaktiga förutsägelser kan du tvinga Lobe att träna din modell mer noggrant. Klicka på menyknappen med tre rader i det övre vänstra hörnet, välj Optimera modell, och klicka Optimera.
5. Exportera din lobmodell för att använda i en app
Även om du kan leka med Lobe för skojs skull, låter den dig också exportera din maskininlärningsmodell i industristandardformat, så att du kan använda den i en app som du utvecklar.
Du kan exportera datamängder som TensorFlow Lite, för användning i appar för Android och Internet of Things; som Core ML för att utveckla iOS-, iPad- och macOS-appar; och som TensorFlow 1.15 SavedModel, för användning i applikationer kodade i Python-språket.
Klicka på menyknappen i det övre vänstra hörnet, välj Exportera, och välj önskat format. Innan du sparar din modells filer eller kod får du möjlighet att optimera din modell. Lobe har också ett eget API (applikationsprogrammeringsgränssnitt) för att köra exporterade modeller i Python och .NET.
Oroa dig inte om dessa alternativ låter för avancerade för din nivå av programmeringsexpertis, eftersom Lobe sparar ditt projekt automatiskt. Om du behöver teknisk hjälp och råd kan du besöka Lobe Community subreddit.
Allt du behöver är lob
Microsoft Lobe erbjuder ett enkelt visuellt sätt att skapa en grundläggande maskininlärningsmodell utan att behöva oroa dig för kod. Du kan använda den för att klassificera bilder av vad du vill och prova att ta bilder från din webbkamera också.
Om experiment med Lobe gör dig ivrig att lära dig mer om maskininlärning, kommer du att hitta massor av free kurser och handledningar online för att hjälpa dig att utveckla dina färdigheter och kunskaper.
Om författaren
Robert Irvine (14 artiklar publicerade)
Robert har skrivit om internet och datorer sedan dagarna med AOL-skivor och Windows 98. Han älskar att upptäcka nya saker om webben och dela den kunskapen med andra människor.
Mer från Robert Irvine
Prenumerera på vårt nyhetsbrev
Gå med i vårt nyhetsbrev för tekniska tips, recensioner, free e-böcker och exklusiva erbjudanden!
Klicka här för att prenumerera
