上個周末,面向JavaScript開發(fā)者的TensorFlow.js在TF開發(fā)者峰會上發(fā)布。 會上,Nikhil Thorat演示的圖像訓(xùn)練版吃豆人,看上去是一款非常友好的游戲。 既然有官網(wǎng)掛出的Demo地址,作為好事者的一員,我也去試了一試。順便幫大家測試一下網(wǎng)頁版的游戲體驗。 只要打開電腦的前置攝像頭,便可以用四種不同的圖像訓(xùn)練AI進(jìn)行上下左右的運動。等Loss值穩(wěn)定下來,表示訓(xùn)練結(jié)束,就開始游戲吧。 EP01我選擇了比較方便的手勢訓(xùn)練。一開始,只用大拇指表示四個方向。 發(fā)現(xiàn)手勢傳達(dá)的意圖很不明確,當(dāng)時以為是AI不負(fù)責(zé)識別圖像的方向—— 向上和向右 (皆手背朝外) 分不清,向左和向下 (皆手心朝外) 分不清。 EP02后來,我把上和左換成了食指。AI依然固執(zhí)地朝我不想去的方向跑,拇指和食指也分不清。 EP03一定是我的臉出現(xiàn)在鏡頭里,AI才會困惑的,我這樣想著。 于是,我盡量把臉移出去了。然而并沒有什么用,AI還是有些茫然。 EP04并不甘心。我干脆不用手了,換成頭部的前俯后仰,左搖右擺。 萬萬沒想到,雖然動作不甚美觀,但這次真的好了許多,終于打上了3000分。 操作渣對自己的表現(xiàn)一本滿足。 后續(xù)不過,依然發(fā)現(xiàn)了一些問題。 這個游戲厲害的地方是,手勢變換的途中,系統(tǒng)經(jīng)常識別出我們無法控制的方向。 大概,在沒有岔路的時候變換手勢最為穩(wěn)妥,就算過渡期間出現(xiàn)插曲,也能得到有效的糾正。 不過,也只是想想,畢竟這種級別的操作已經(jīng)不是我能練成的。 另外, learning rate (學(xué)習(xí)速率) 、batch size (批尺寸) 、epoch (所有數(shù)據(jù)訓(xùn)練的遍數(shù)) 和hidden units (隱含單元) 這四個參數(shù)的調(diào)整,在操作渣的成績方面,似乎也沒有體現(xiàn)出更大的幫助。可能多試幾次,會找到更適合的參數(shù)組合。 以及,關(guān)于樣本的數(shù)量,一言難盡。四組樣本,取到最后一組的當(dāng)中,瀏覽器可能會突然閃一下——那是在說,前面的樣本白取了,回去重新拍照吧。 嗯,其實我也想多玩幾次的。 — 完 — |
|