2024 teachable machine訓練好的Keras模型在Colab上執行辨識

An-Wen Deng
4粉絲
1 次觀看·2024年12月20日
我們先看一下那個上次
稍微看一下
先到這個網頁
那這裡的樣本數
你待會可以再增加
那比方說你當然也可以透過
透過所謂Web Camera
或者一般的圖檔
比方說我們在這裡
我們應該像這裡
這個樣本其實是從Kaggle去下載下來的
下載下來的我們看一下
老師把畫面切過來一下
所以我們把檔案解壓縮之後
那我們剛剛也講
上一次的訓練檔案
你整個專案
你再繼續再接續再做
這裡我們當然就可以直接訓練模型
訓練模型
進階部分當然因為我們那個
待會再把它開始訓練
好
那我現在是戴口罩
OK戴口罩的情況之下
是OK的
好那我把這邊切到檔案部分
檔案部分呢
我們就拿
我們加這隻狗
來
給牠辨識
結果嚴重誤判
有沒有看到
嚴重誤判
這確實是嚴重誤判
這個明顯是狗
但是他把牠辨識成為貓
就是你會訓練
就是說你訓練級的問題
所以我們在這裡
我們所以會多加一些訓練級
我們點訓練級
那他的狗種應該是像是柴犬
柴犬的嘛
所以可能就柴犬辨識方面
他比較薄弱
所以你這邊柴犬就是柴犬
點過來
你可能多加一些樣本
所以在狗這邊
他這邊有好幾個
你其實也不用那麼多
你大概就弄一些就可以了
我們通常就前面開始
到再多加個
60張應該足夠了
好
所以這邊要上傳
上傳
然後
我們把這邊大概60張
拉過來
直接拉過來就好了
直接拉過來
那當然你這邊必須要就要重新訓練
你就要重新訓練
剛剛就是訓練訓練上的問題
好
這邊
所以我們再重新訓練一次
然後這這裡的參數
我們都不需要修改
不需要修改
你就直接訓練
因為他他會誤判
他會誤判
好
我戴口罩
大家這邊還是OK嗎
那我們看檔案的部分
檔案部分
好
畫面再切過來一下
所以
所以這邊
這邊你看一下
所以原則上我們剛剛
剛剛那一張圖
原先就是說在前一次訓練
他被辨識為貓
這次
大概狗的比率比較高
達到89%
所以這個應該應該是OK了
所以有時候
就是說你在訓練可能會碰到一些問題
然後我們這邊要看一下
所謂深入解析的部分
這邊留意一下
相關的詞彙
你大概
大概看一下
這個像這裡
他其實都有做一些說明
我們上次上課也有講
像剛剛我們出現
第一次出現情況
那個就是所謂的配適不足的情況
就是那個訓練樣本的那個複雜度
不夠
等等
然後我們其實可以看
各類我們總共分成四類
四類的準確的程度
他在這邊測試來講
貓還是也沒有到百分之百了
那我們也不太可能說
每次都百分之百
那主要就是說
你看他誤判的情況
你就把那個所謂
混淆矩陣部分呢
你就把它點開
你看他會誤判的情況是在這裡
所以
X是你預測的
Y的部分是你的分類部分
所以貓的部分有兩張
兩張貓是被辨識為狗
所以這邊還是有誤判的情況
所謂的混淆矩陣
其實你就可以這樣
這樣很清楚可以看到
我們的那個
辨識的
就是說他在
在這一次測試的一個
一個情況
像這個情形
像其實這個數據應該是可以用的
應該是可以用
好
所以我們接下來要做什麼事
接下來就很重要
你要匯出模型
匯出模型
這裡請你要點到
Tensorflow
點到這邊
因為我們是用那個
直接用Python程式去
訓練好的那個model
我們用Python程式原則上
就是用它來
來把它做一下
所以你就把模型把它下載
那這個需要一些時間
這個需要一些時間
所以老師再把畫面再還給同學
所以你大概知道
到訓練模型這樣的一個程序
你要怎麼樣去再
再做一些調整
這個是其實
你不要說
程式run好之後
你再調整
其實你在
在這個階段
你就可以去調整
原則上我們這個下載好了
下載好了
好
所以這基本上就這個嘛
基本上
基本上就是
我們的一個訓練檔
你可以看那個訓練檔
它也是用一個
那個壓縮檔的型態
我們其實可以看
原則上它是一個訓練檔
還有一個叫做標籤檔
標籤檔你可以點一下
標籤檔它就分成幾類
分成四類
人、口罩、狗、貓
分成四類
所以大概瞭解一下
好
那我先把這個畫面先還給同學
你看
先作業到這裡
下節課
我們在講那個程式的部分
所以記得你要匯出模型
模型要匯出
那我們就到那個
到colab上
要colab上比較方便
主要是它比較方便
這邊重點是
我們在這裡colab上
我們要裝舊版的
新版的不OK
新版太新
那要使用python
就做機器學習啊
或資料分析啊
或人工智慧相關的
其實會碰到這種問題
這個有時候很麻煩
所以第一步
先讓它執行
先安裝
重新安裝
它會把新版的
把它那個解安裝
然後再裝你指定的版本
我們把它指定版本
發現是
要keros
2點多版的才OK
3點多版的
它這邊的預設是3點多版的
3點多版不行
跑不動
那裡面因為格式都調整過了
所以他們有的是宣稱會向下相容
其實不然
這種軟體的東西
很麻煩
所以我們一般
在做這一類資料分析
機器學習的部分的
他們會
把那版式固定
可是我們用colab
colab它會調整
它會與時俱進
所以你有沒有看到
這邊它都已經那個
把前面的
新的版本通通把它解安裝
然後再裝我們舊的版本
所以你要大概知道
所以以前我們在講python的時候
有說要去建立一個
虛擬環境
那是有必要的
就是說你看你用什麼軟體
要在什麼樣的版式
然後那個版式裡面
你就做一些調整
所以它這邊有出現紅的
就是警告的
有些是沒辦法裝起來
但是
基本上是可以跑就好了
好
所以我們要匯入的
匯入的套件
opencv
moonpi
好 那我們看一下
我們的版式
安裝之後的版式
當然就是我們剛剛裝的版式
那沒有問題嘛
好
這個都正確嘛
如果你沒有做上面那個重新
舊
安裝動作
那當然那個版式就
版式就是比其他的
好
我們在ls一遍
我們看裡面有什麼
目前沒有什麼東西
好
那我們看我們是
連cpu還是gpu
這邊
我們目前是連cpu
連cpu就好了
好
下面這裡的重點
你需要
這個檔
也就是說你的那個模型檔
還有你的圖片
你當然可以分次上傳
但我們一次就把它
做一次
我們選擇我們的檔案
所以我們要的是這個
先一個一個來
上傳這個模型檔
訓練好模型檔
你當然上傳上去啊
那個裡面有
有h5
就是訓練好的
另外還有一個是標籤檔
就文字嘛
有分成四類嘛
看你怎麼訓練
分幾類就幾類
然後你這個size行一次
再來
我們的
什麼檔
圖檔啊
圖檔在這邊
所以這裡要
把檔名做適當調整
012345
不然我們就要改下面的程式
好
所以這邊檔案部分
我們都上傳了
需要的檔案
你要
CHAOS的壓縮檔
還有圖檔
圖檔你要先處理
你先處理檔名
然後JPG
JPG
我們再OS一遍
所以這些該有的檔都有了
好
因為他這個是壓縮檔
ZIP檔
你要解壓縮
所以要解壓縮
裡面有模型檔
還有標籤檔
好
我們再OS一遍
除了剛剛的壓縮檔之外
我們解壓縮的檔都在這裡
好
然後
再來我們就去
Chaos Models裡面的
Node Model
這個
這個把Node進的把它匯入
然後我們將我們Chaos Model H5
設為我們的模型檔
Model
然後標籤檔
因為他就是就文字檔而已
你就讀嘛
然後我們的圖檔
我們也用一個便應用一個清單去裝
總共六張圖
所以這邊你看你的圖
如果要比較多
你就做適當的調整
我們這邊這邊稍微簡單測試
然後我們看第0張的圖
來
因為我們是在CodeLab上
所以OpenCV秀圖的部分
你要用他的所謂的Pages
裡面的CV2
IMshow
那在本機端當然就不需要
你就用一般的IMshow就好了
我們看一下第0張圖檔有沒有
有
OK
然後下面這個迴圈
就是整個程式就結束了
所以我大概簡單講解一下
所以我們現在要去讀
用OpenCV的裡面IMread去讀
因為總共六張圖
每一張圖都做一樣的事情
然後再來做什麼
再來做切成正方形
為什麼要切成正方形
就是先把它切成正方形
因為他的要求是要正方形
然後
要224
高度寬度都224
所以我們這邊要切
這邊先切正方形
再把它再做調整
好
然後
再來秀圖
然後我們再把它改成
NumPy的一個陣列
這邊就是要把它Reshape
你要把它Reshape
然後再來
所謂Normalization
Normalize的話
就代表你要把它正則化
因為我們的圖檔
他每個像素
RGB嘛
對不對
然後是0到25
所以你就除以他的一半
就127.5
記得減掉1
所以先把它正則化
然後我們在預測
因為我們有模型了
所以就可以去預測
找出機率最高的
他這個叫做
UpMax
就用這個函數
然後
在該列印的列印
下面這邊就是列印
他的預測
還有他的那個
相關的那個
Confidence Score
我們再讓他執行一次
大家就知道了
我們看一下
第一張
這個狗很好啊
有沒有誤判
基本上是沒誤判的
第二張也是狗啊
來 看喔
這一張
誤判
這是貓
有沒有看到
這一張是誤判
所以像這貓的部分
可能要再加強訓練一下
這張是貓
這張也是貓
這張是狗
所以六張有一張誤判喔
這一張誤判
這張就誤判啊
誤判 總是有誤判的
所以誤判的怎麼辦
可能你這個訓練不足啊
可能相關的樣本
再去
加強嘛
其實這樣就
就OK了嘛
好
