Cititorii ca tine ajută la sprijinirea MUO. Când efectuați o achiziție folosind link-uri de pe site-ul nostru, este posibil să câștigăm un comision de afiliat.

Învățarea automată este o tehnologie fundamentală în lumea modernă. Calculatoarele pot învăța să recunoască imagini, să creeze lucrări de artă și chiar să își scrie propriul cod, totul cu o intervenție umană minimă.

Dar cum funcționează învățarea automată și cum o poți folosi singur?

Ce este Machine Learning?

Învățarea automată este un concept relativ simplu. Sistemele informatice se pot învăța și se pot adapta analizând modelele de date existente din grupuri de informații. Acest lucru se face de obicei fără instrucțiuni explicite de la oameni.

Un exemplu bun vine sub forma instrumentelor de asistent virtual. Siri, Cortana și Asistentul Google folosesc toate învățarea automată pentru a înțelege vorbirea umană. Aceasta începe cu un grup de înregistrări audio existente, dar aceste instrumente pot învăța și din interacțiunile pe care le au cu dvs. Acest lucru le permite să se îmbunătățească singuri.

instagram viewer

Ce este ml5.js?

Majoritatea algoritmilor și instrumentelor de învățare automată folosesc R sau Python pentru codul lor, dar ml5.js este diferit. Acționând ca o interfață pentru biblioteca Google Tensorflow.js, ml5.js este un proiect open-source care pune învățarea automată în mâinile dezvoltatorilor JavaScript.

Puteți începe să utilizați ml5.js pentru propria dvs. aplicație web prin includerea unui singur script extern în HTML.

Noțiuni introductive cu învățarea automată: procesul de învățare

Antrenarea unui algoritm de învățare automată necesită timp. Calculatoarele învață mult mai repede decât oamenii, dar învață și în moduri diferite. Din fericire, totuși, ml5.js vine cu o selecție de modele pre-antrenate, astfel încât să puteți sări peste acest pas.

Învăţare cum se antrenează algoritmii de învățare automată este o modalitate excelentă de a înțelege mai bine instrumente ca acesta.

ml5.js facilitează crearea unui instrument de clasificare a imaginilor care să fie rulat pe site-ul dvs. web. Pagina HTML din acest exemplu conține un câmp de introducere a fișierului pentru a selecta o imagine. Imaginile încărcate sunt afișate în interiorul unui element HTML pregătit pentru a permite ml5.js să le scaneze și să le identifice.

Pasul 1: Includeți biblioteca ml5.js

Acest proiect necesită două biblioteci pentru a funcționa: ml5.js și p5.js. ml5.js este biblioteca de învățare automată, în timp ce p5.js face posibilă lucrarea corectă cu imagini. Aveți nevoie de două linii de HTML pentru a adăuga aceste biblioteci:

<script src="https://cdnjs.cloudflare.com/ajax/libs/p5.js/1.0.0/p5.min.js"></script>
<script src="https://unpkg.com/ml5@latest/dist/ml5.min.js"></script>

Pasul 2: Creați câteva elemente HTML

Apoi, este timpul să creați câteva elemente HTML. Cel mai important este un div cu un ID și o clasă etichetată imageResult care va stoca rezultatul final:

<h1>MakeUseOf Clasificator de imagini</h1>
<h2>Clic "Alege fișierul" pentru a adăuga o imagine</h2>
<div class="imageResult" id="imageResult"></div>

După aceasta, adăugați un element de introducere a fișierului pentru a colecta imaginea pentru a o clasifica programul.

<div class="ImageInput">
<tip de intrare="fişier"
 oninput="uploadedImage.src=fereastră. URL.createObjectURL(this.files[0]); startImageScan()">
</div>

Intrarea ascultă un eveniment oninput și execută două instrucțiuni ca răspuns, separate prin punct și virgulă. Primul creează o adresă URL a obiectului pentru imagine, care vă permite să lucrați cu datele fără a fi nevoie să le încărcați pe un server. Al doilea apelează o funcție startImageScan() pe care o veți crea în pasul următor.

În cele din urmă, adăugați un element img pentru a afișa imaginea pe care a încărcat-o utilizatorul:

<clasă img="Imagine încărcată" id="Imagine încărcată" />

Pasul 3: Creați o funcție JS de scanare a imaginilor

Acum că aveți ceva HTML, este timpul să adăugați niște JS la mix. Începeți prin adăugarea unei variabile const pentru a stoca elementul imageResult pe care l-ați creat în ultimul pas.

const element = document.getElementById("imagineResult");

Apoi, adăugați o funcție numită startImageScan() și, în interiorul acesteia, inițializați clasificatorul de imagini ml5.js folosind MobileNet.

Urmați aceasta cu comanda classifier.classify. Transmiteți-i o referință la elementul uploadedImage pe care l-ați adăugat mai devreme, împreună cu o funcție de apel invers pentru a procesa rezultatul.

funcţiestartImageScan() {
 // Crea A variabilla inițializați clasificatorul de imagini ml5.js cu MobileNet
 const clasificator = ml5.imageClassifier('MobileNet');
 classifier.classify (document.getElementById("Imagine încărcată"), imageScanResult);
 element.innerHTML = "...";
}

Pasul 4: Creați o funcție de afișare a rezultatelor

De asemenea, aveți nevoie de o funcție pentru a afișa rezultatele clasificării imaginilor efectuate. Această funcție conține o instrucțiune if simplă pentru a verifica eventualele erori.

funcţieimageScanResult(eroare, rezultate) {
 dacă (eroare) {
 element.innerHTML = eroare;
 } altfel {
lăsa num = rezultate[0].încredere * 100;
 element.innerHTML = rezultate[0].label + "<br>Încredere: " + num.toFixed (0) + "%";
 }
}

Pasul 5: Pune totul împreună

În cele din urmă, este timpul să punem laolaltă tot acest cod. Este important să fii atent la

,