| 這是一個關於如何使用mBlock 5瞭解和教學深度學習的教程。您可以在這裡下載它的原始版本（排版遠比論壇上的版本好） 本作品採用知識共用署名 4.0 國際授權合約進行許可。 mBlock的最新版本mBlock 5增加了深度學習視覺模型的功能。它是體驗、學習和製作視覺相關AI應用的重要工具。因為在mBlock 5中，使用者可以快速訓練一個機器學習模型，並將其用在Scratch程式設計中。mBlock 5還可以和機器人等硬體結合，創造豐富的互動效果。 注意：使用深度學習功能需要電腦有WebCam，並且對電腦性能有一定要求。而且現在尚為實驗版本。請在使用它授課之前檢驗教室所用的電腦是否能夠流暢使用該功能。 1. 下載和安裝mBlock 5 請在流覽器中打開下列頁面，選擇適合自己的作業系統安裝mBlock 5預覽版本。  2. 啟用“深度學習”功能 在螢幕下方點擊熊貓角色將角色切換為熊貓 然後，點擊“擴展”按鈕，打開擴展清單 在彈出的擴展列表中，點擊“深度學習”右上角的加號安裝擴展 為什麼要切換到熊貓角色？因為在mBlock 5中，擴展是和角色相關的；一個Arduino或者micro-python機器人沒有能力運行複雜的機器視覺模型，所以在這些角色裡就看不到深度學習擴展。如果想用它來操控機器人該怎麼辦呢？可以使用通訊變數和機器人通訊。不過這就是另一個話題了。 3. 訓練一個機器視覺模型 下面將用一個“石頭剪刀布”的程式作為例子，講解如何用用深度學習視覺模型。 一般來說，使用機器學習模型，需要經過“訓練”、“檢驗”、“應用”三個環節。如果要做一個能識別石頭剪刀布的應用，第一步就是教會電腦什麼是“石頭”，什麼是“剪刀”，以及什麼是“布”。 知識點：我們要製作的機器學習模型可以在接受一個輸入（比如看到一張圖片）的時候，給出這個輸入的分類（比如這張圖片是“剪刀","石頭"還是”布“）。這種模型又叫做分類器。分類器在生活中有很多應用，比如停車場記錄車牌號，就是通過攝像頭拍下車牌，然後將每一個數字分類到0-9其中的一個。 添加擴展後，在新出現的DL分類中，點擊“訓練模型”就可以進行模型的訓練了。 如果你的電腦有多個攝像頭，可以在該介面的左上角選擇使用哪個攝像頭。 選擇合適的攝像頭之後，用手做出“石頭”的動作，然後用滑鼠按住第一個分類項目上的“學習”按鈕，讓機器學習模型認識什麼是“石頭”。在顯示樣本數為10個以上的時候，鬆開滑鼠結束學習。 知識點：機器是怎麼學會什麼是“石頭”，什麼是“剪刀”的？這需要人給它照一些照片，並告訴它“這就是石頭”，“這就是剪刀”。我們照的這些照片叫做“訓練樣本”，樣本中“這就是石頭”這樣的資訊叫做“標注”。很多大型公司會專門雇人做標注的工作：整天告訴電腦諸如“這是貓的左眼”這樣的資訊。因此，像百度或者穀歌這樣的大型互聯網公司經常在機器學習領域領先，就是因為大家每天都使用它們的產品，為它們提供了大量的訓練樣本。 知識點：我們要做的這種機器學習模型叫做“監督學習”模型。顧名思義，就是機器在我們提供的“有標注的樣本”的監督之下進行學習。還有一種學習方式叫做“無監督學習”，比如讓電腦自己在沒有標注的情況下對一些水果的照片進行分類。最後的結果通常是“這些照片是一類”，“那些照片是一類”。 想一想：“監督學習”可以有那些用途？“無監督學習”可以有那些用途？ 用同樣的方法，訓練模型識別“石頭”和“布”。然後，在每個分類上面的框中，將分類名稱改為“石頭”，“剪刀”和“布” 這時，在攝像頭前面變換不同的手勢，可以看到每個分類中間的百分比會不停地變化。它代表了電腦認為看到的圖像在各個分類的信心。信心最大的分類，就是電腦進行分類判斷的結果。 知識點：“信心”是什麼？信心是機器學習模型在經過訓練之後，對於一個新的輸入計算得到的結果。它並不是概率。概率指某個隨機事件發生的可能性，這裡的“信心”和概率無關。只是説明機器學習模型判斷它的結果是什麼。 試一試：嘗試幾個猜拳動作，並試試讓其他同學做這樣的動作，看看電腦能否準確地判斷動作分類？可以嘗試30次，在紙上記錄電腦正確了幾次，錯誤了幾次。用模型判斷正確的次數，除以嘗試的總次數，就可以判斷機器學習模型的效果。大家把機器學習的效果叫做它的性能。 想一想：和旁邊的小組比較，大家的模型中誰的效果比較好？為什麼？能否試著改進自己的模型性能？是不是樣本越多性能越好？還有其他的提高模型性能的方法麼? 知識點：欠擬合和過擬合。如果樣本過少，電腦就會像盲人摸象一般，來不及學習一個事物的特徵，導致性能低下，這種情況叫做欠擬合。欠擬合的反面過擬合，說的是機器學習模型過度把握提供樣本的具體特徵，無法對一般的情況做出正確的反應；比如說能認出某個人某個角度的手勢是“剪刀”，卻看不出其他人其他角度的手勢是“剪刀”一樣。過擬合就如同一些靠死記硬背來學習的同學，無法將學到的知識應用到不斷變化的環境中。 訓練完成之後，點擊“使用模型”按鈕，就可以在mBlock中使用模型編寫程式了。使用旁邊的“新建模型”按鈕可以清空當前的模型，重新訓練一個新的模型。 4 在mBlock裡使用訓練的機器學習模型 在“使用模型”後，會發現DL分類下增加了三條語句塊：“識別結果”，“（某分類的）信心”，和“識別結果為（某分類）”。 “識別結果”可以得到電腦認為它所看到的事物對應的標記。它是一個字串，比如“石頭”或者“剪刀” “xx信心”可以得到電腦對某一個分類的信心。它是大於0小於1的一個小數，就像上面看到的百分比一樣。你可以用它做出更具體的判斷，比如在各個信心都小於特定數值的時候，認為電腦還沒下結論。 “識別結果為xx”得到一個是或者否的結果，可以放在“如果”語句塊中作為條件，快速根據不同結果執行不同的程式。 有一個特別需要注意的地方：在使用模型之前，要記得點擊“打開識別視窗”。只有當識別視窗打開的情況下，電腦才會使用訓練好的機器學習模型。因為機器學習模型太費資源了；在不需要的時候打開會拖慢電腦的速度。 小知識：怎樣讓機器學習模型變得更快呢？很多人會使用GPU（圖形處理器）進行計算。CPU（中央處理器）常常被稱為電腦的大腦。和它不同的是，GPU是專門負責圖形計算的晶片，一般被放在顯卡裡，讓電子遊戲變得酷炫。它讓遊戲變得更炫的原因是因為它能快速地計算線性代數（一門大學中的數學學科），計算線性代數的速度決定了計算三維空間中的位置、角度、光影變換的速度（也就決定了在相同時間內遊戲的畫面有多精美）。同樣地，機器學習模型也應用了很多線性代數計算，因此，有很多人用GPU（顯卡）來加速機器學習的計算速度。現在，一些國產手機已經使用自己研發的專門晶片來做機器學習——這樣，它的照相機就能快速識別正在拍攝的物體，並通過圖片處理讓相片更加漂亮。 小知識：訓練一個模型所需要的計算能力要遠遠大於使用模型所需計算能力。因此，很多人會用很多電腦“集團軍作戰”（這叫做計算集群）或者使用超級電腦來訓練一個模型，然後在小型電腦（比如在手機）上應用模型。我國的“天河”系列超級電腦計算能力一直位於世界前茅呢。趕快搜索“天河二號”瞭解一下吧。 剩下的，就看你的Scratch技術啦。想想能怎麼使用這個模型。下面是一個特別簡單（但無趣）的例子。試著把它變得有趣吧。 試一試：將mBlock的其他語句塊和機器學習語句塊一起使用，看能製造出什麼樣的創造發明。有自信的同學可以實現電腦和人對戰石頭剪刀布的程式。也可以看看，除了石頭剪刀布之外，還能讓電腦學會認識什麼東西。 想一想：除了識別車牌，機器學習模型在現實社會中還能有那些應用？ 小知識：mBlock的機器視覺模型使用了被稱作“卷積神經網路”的技術（改編自Google Teachable Machine）。它能夠圖片中（重疊的）一片片區域逐漸抽象到更高的層次（見下圖）。卷積神經網路以優良的性能讓神經網路和機器學習再次成為熱潮（神經網路的概念在1943年就出現了哦），同時也允許mBlock在如此小的（十幾到幾十個）的樣本下達到不錯的機器學習性能。 圖片源自Wikipedia, Convolutional neural network |
|Archiver|手機版|小黑屋|圓創力科技有限公司 IOP Robotic Technology Co.,Ltd Tel: 07-3924582 Fax: 07-3924001
GMT+8, 2024-11-23 15:21 , Processed in 0.023882 second(s), 20 queries .
Powered by Discuz! X3.4
Copyright © 2001-2021, Tencent Cloud.
