Teachable machine / teachable machine 사용법 / 구글 티쳐블 머신

https://teachablemachine.withgoogle.com/train

 

구글에서 런칭한 무료 머신러닝 서비스. 

 

신기함 반, 심심함 반으로 사용해봤는데, 머신러닝이 이렇게 재밌는 거구나 생각했다.

 

teachable machine project page

좌측 class 라인에 분류할 이미지 class 별 명칭을 적고, 웹캠이나 직접 사진을 업로드하여 Training하면 끝.

 

Preview에서 마찬가지로 데이터를 넣어 시험해볼 수 있고, Export Model을 통해, javascript 코드나 Model 파일을 추출할 수 도 있다.

 

 

 

가위바위보 샘플을 넣어서 model.json 추출하고, 이를 html_javascript로 올려 웹캠으로 테스트 

 

    // More API functions here:
    // https://github.com/googlecreativelab/teachablemachine-community/tree/master/libraries/image

    // the link to your model provided by Teachable Machine export panel
    const URL = "./my_model/";

    let model, webcam, labelContainer, maxPredictions;

    // Load the image model and setup the webcam
    async function init() {
        const modelURL = URL + "model.json";
        const metadataURL = URL + "metadata.json";

        // load the model and metadata
        // Refer to tmImage.loadFromFiles() in the API to support files from a file picker
        // or files from your local hard drive
        // Note: the pose library adds "tmImage" object to your window (window.tmImage)
        model = await tmImage.load(modelURL, metadataURL);
        maxPredictions = model.getTotalClasses();

        // Convenience function to setup a webcam
        const flip = true; // whether to flip the webcam
        webcam = new tmImage.Webcam(200, 200, flip); // width, height, flip
        await webcam.setup(); // request access to the webcam
        await webcam.play();
        window.requestAnimationFrame(loop);

        // append elements to the DOM
        document.getElementById("webcam-container").appendChild(webcam.canvas);
        labelContainer = document.getElementById("label-container");
        for (let i = 0; i < maxPredictions; i++) { // and class labels
            labelContainer.appendChild(document.createElement("div"));
        }
    }

    async function loop() {
        webcam.update(); // update the webcam frame
        await predict();
        window.requestAnimationFrame(loop);
    }

    // run the webcam image through the image model
    async function predict() {
        // predict can take in an image, video or canvas html element
        const prediction = await model.predict(webcam.canvas);
        for (let i = 0; i < maxPredictions; i++) {
            const classPrediction =
                prediction[i].className + ": " + prediction[i].probability.toFixed(2);
            labelContainer.childNodes[i].innerHTML = classPrediction;
        }
    }

 

Preview

Preview

   - preview에서 Webcam / File 선택 후 테스트 파일 넣어주는 것으로 트레이닝 결과 테스트

 

 

Export Model

 

 

   - 학습을 마치고, Export Model -> Tensorflow.js (Code) -> Download model (Model)

 

javascript code 중 경로 설정

    - 위에서 URL로 설정한 경로 아래 model.json, metadata.json 파일을 위치시키기만 하면 바로 사용 가능하다.

 

github repository

    - 깃헙 서버를 이용했으며, URL 경로를 ./ 으로 하여, 다른 경로 없이 html파일과 model.json / metadata.json을 올려뒀다. 나머지 코드는 export한 그대로 사용하여, 본인 페이지에 웹캠으로 판정할 데이터 input.

 

test.html

0.00MB