机器学习的理论并不难掌握。如果你要在软件中添加人脸识别功能，首先要收集大量图片，然后，在软件进行了无数次学习之后，就能在众多照片中识别出人脸了。问题是，虽然理论好理解，但是相应的软件却很难操作，更不要说精通了。但是Lobe的出现改变了这一切，这个平台似乎成了目前最人性化的机器学习平台。在收集了大量图像或音频之后，把它们拖放到Lobe的网站上，基于此，Lobe将自动创建学习机器。这个过程不需要编程，你甚至可以将现成的AI代码堆叠到自己的项目中。而你创建和输出的全部内容都基于目前通行的Tensorflow人工智能学习系统标准，也就表示，你设计的功能与Web、iOS和Android上的应用程序是兼容的。

马特斯创建了一个训练集，其中创建的文件夹以各种emoji表情为标签。然后，他往每个文件夹里放满了手势照片。为了训练机器，他把这整组文件夹拖到了Lobe的浏览器窗口中。当服务器试着将手势转化为emoji表情时，Lobe也清晰地反映了这一流程。Lobe做的绝不仅仅是系统图像分类，平台会自动对照片进行模糊或提亮处理，以此显现训练集照片的差异性。

Lobe的仪表板盘还能实时显示图像识别模型的准确度，你可以点开图片样本，就可以看到计算机针对每个实例给出的结论。在照片模块中，你可以调整参数，观察极值下的分析结论。你还可以访问视图，从计算机的视角查看图像，借此明晰机器学习背后的道理。在这一趋势下，算法偏差也许会日渐降低。

Lobe：

转载请注明:http://www.aideyishus.com/lkzp/802.html