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。