5 分钟上手 Teachable Machine零代码机器学习训练你的第一个图像分类模型【免费下载链接】teachablemachine-communityExample code snippets and machine learning code for Teachable Machine项目地址: https://gitcode.com/gh_mirrors/te/teachablemachine-communityTeachable Machine 是浏览器里的零代码机器学习工具。你不用写一行模型代码用摄像头拍几十张图就能训练出图像分类器还能把模型导出到网页或 Arduino 等硬件上运行。它凭什么好用训练、预览、导出全在浏览器里整个流程其实很短左边建类别、用摄像头采集样本中间点 Train Model右边预览区实时出识别结果预览上方还能直接导出。工具底层用 TensorFlow.js 训练所以模型拿到网页里跑只需要几行 JS。除了图像它还支持语音和人体姿势两类模型导出面板里都有对应代码三类模型共用同一套交互采集、训练、预览、导出。这个仓库里装着训练之后会用到的两类资料libraries/ 是图像、语音、姿势三类模型的官方 JS 库snippets/markdown/ 是导出面板里展示的多语言代码片段集覆盖 JavaScript、Keras 和 Android。如果你只是想用工具浏览器里就能完成全部操作这个仓库的价值在训练完之后——模型怎么用、怎么部署答案都在这里。从 0 到 1训练你的第一个图像分类模型整个训练流程不写一行代码跟着界面走就行。以图像项目为例三步就能出结果。给每个类别采集 30 张以上样本先新建一个图像项目建 2 到 3 个类别名字起清楚。把类别切到 Webcam 输入按住 Hold to Record系统会连续采集缩略图每按一次右侧就多一张图你能随时看到每个类别的数据量。建议把目标物放在离摄像头约 30 厘米处采集多换角度和光照每个类别至少 30 到 50 张。模型准不准很大程度上取决于你喂给它的样本第一轮效果不好时调整样本再训一遍是常态。点一下 Train Model 就能用采集完点 Train Model后台开始训练期间别切换浏览器标签页。训完就能在右侧预览里看到类别名和概率。把模型放进网页项目点 Export Model导出面板给出 TensorFlow.js、TensorFlow、TensorFlow Lite 三个格式页签。网页端选 TensorFlow.js面板会直接给你一段完整 HTML 片段顶部还有你的模型专属链接JS 示例里要填的就是这个地址。核心其实就一行代码const prediction await model.predict(webcam.canvas);这行代码把摄像头的一帧画面跑过模型返回每个类别的置信度。网页示例里会建一个 200×200 的摄像头画面用 requestAnimationFrame 循环调用 predict实时识别就是这么来的。完整可直接复制的示例见 JavaScript 代码片段API 细节在 libraries/image。部署到 Arduino导出 TFLite 模型到硬件用摄像头和 Arduino 采集训练数据相比网页部署硬件路线多一步先让摄像头的数据流进网页。建一个 Embedded model 项目用 OV7670 摄像头连接 Arduino Nano 33 BLE先把 TM_Uploader 固件 传到 Arduino再跑 TM_Connector 桥接程序网页就能读到摄像头画面。桥接程序运行后在网页里点 Attempt to connect to device摄像头画面就会出现在类别窗口里。烧录 Sketch 后在串口看结果导出面板选 TensorFlow Lite转换类型选 Arduino Sketch点 Download my Model。后台转换片刻后会下载一个带 Arduino 草图的 zip。烧进开发板打开串口监视器能看到每个类别名和置信度分数滚动输出。这里的置信度是量化后的整数范围在 -128 到 127正数越大说明模型越确定。完整的接线与烧录流程在 官方 Getting Started 文档 里一步步写清楚了接线对照表也在里面。几个常见现象设备连不上多半是端口没选对或 Uploader 草图没传。检查端口选择并重传固件端口号可参考 Arduino IDE 里显示的。摄像头画面发虚没调焦。转动摄像头对焦环直到预览清晰。识别准确率不高样本太单一。换角度和光照重采确认每个类别样本量足够。打开浏览器访问 Teachable Machine 官网5 分钟后你手里就能有一个认识自家两样东西的模型。想读源码或贡献片段把仓库 clone 下来看https://gitcode.com/gh_mirrors/te/teachablemachine-community【免费下载链接】teachablemachine-communityExample code snippets and machine learning code for Teachable Machine项目地址: https://gitcode.com/gh_mirrors/te/teachablemachine-community创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 5 分钟上手 Teachable Machine：零代码机器学习训练你的第一个图像分类模型
5 分钟上手 Teachable Machine零代码机器学习训练你的第一个图像分类模型【免费下载链接】teachablemachine-communityExample code snippets and machine learning code for Teachable Machine项目地址: https://gitcode.com/gh_mirrors/te/teachablemachine-communityTeachable Machine 是浏览器里的零代码机器学习工具。你不用写一行模型代码用摄像头拍几十张图就能训练出图像分类器还能把模型导出到网页或 Arduino 等硬件上运行。它凭什么好用训练、预览、导出全在浏览器里整个流程其实很短左边建类别、用摄像头采集样本中间点 Train Model右边预览区实时出识别结果预览上方还能直接导出。工具底层用 TensorFlow.js 训练所以模型拿到网页里跑只需要几行 JS。除了图像它还支持语音和人体姿势两类模型导出面板里都有对应代码三类模型共用同一套交互采集、训练、预览、导出。这个仓库里装着训练之后会用到的两类资料libraries/ 是图像、语音、姿势三类模型的官方 JS 库snippets/markdown/ 是导出面板里展示的多语言代码片段集覆盖 JavaScript、Keras 和 Android。如果你只是想用工具浏览器里就能完成全部操作这个仓库的价值在训练完之后——模型怎么用、怎么部署答案都在这里。从 0 到 1训练你的第一个图像分类模型整个训练流程不写一行代码跟着界面走就行。以图像项目为例三步就能出结果。给每个类别采集 30 张以上样本先新建一个图像项目建 2 到 3 个类别名字起清楚。把类别切到 Webcam 输入按住 Hold to Record系统会连续采集缩略图每按一次右侧就多一张图你能随时看到每个类别的数据量。建议把目标物放在离摄像头约 30 厘米处采集多换角度和光照每个类别至少 30 到 50 张。模型准不准很大程度上取决于你喂给它的样本第一轮效果不好时调整样本再训一遍是常态。点一下 Train Model 就能用采集完点 Train Model后台开始训练期间别切换浏览器标签页。训完就能在右侧预览里看到类别名和概率。把模型放进网页项目点 Export Model导出面板给出 TensorFlow.js、TensorFlow、TensorFlow Lite 三个格式页签。网页端选 TensorFlow.js面板会直接给你一段完整 HTML 片段顶部还有你的模型专属链接JS 示例里要填的就是这个地址。核心其实就一行代码const prediction await model.predict(webcam.canvas);这行代码把摄像头的一帧画面跑过模型返回每个类别的置信度。网页示例里会建一个 200×200 的摄像头画面用 requestAnimationFrame 循环调用 predict实时识别就是这么来的。完整可直接复制的示例见 JavaScript 代码片段API 细节在 libraries/image。部署到 Arduino导出 TFLite 模型到硬件用摄像头和 Arduino 采集训练数据相比网页部署硬件路线多一步先让摄像头的数据流进网页。建一个 Embedded model 项目用 OV7670 摄像头连接 Arduino Nano 33 BLE先把 TM_Uploader 固件 传到 Arduino再跑 TM_Connector 桥接程序网页就能读到摄像头画面。桥接程序运行后在网页里点 Attempt to connect to device摄像头画面就会出现在类别窗口里。烧录 Sketch 后在串口看结果导出面板选 TensorFlow Lite转换类型选 Arduino Sketch点 Download my Model。后台转换片刻后会下载一个带 Arduino 草图的 zip。烧进开发板打开串口监视器能看到每个类别名和置信度分数滚动输出。这里的置信度是量化后的整数范围在 -128 到 127正数越大说明模型越确定。完整的接线与烧录流程在 官方 Getting Started 文档 里一步步写清楚了接线对照表也在里面。几个常见现象设备连不上多半是端口没选对或 Uploader 草图没传。检查端口选择并重传固件端口号可参考 Arduino IDE 里显示的。摄像头画面发虚没调焦。转动摄像头对焦环直到预览清晰。识别准确率不高样本太单一。换角度和光照重采确认每个类别样本量足够。打开浏览器访问 Teachable Machine 官网5 分钟后你手里就能有一个认识自家两样东西的模型。想读源码或贡献片段把仓库 clone 下来看https://gitcode.com/gh_mirrors/te/teachablemachine-community【免费下载链接】teachablemachine-communityExample code snippets and machine learning code for Teachable Machine项目地址: https://gitcode.com/gh_mirrors/te/teachablemachine-community创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考