Teachable Machine 在线机器学习模型训练平台

产品详细介绍

Teachable Machine 是由 Google 推出的在线机器学习训练平台，旨在让任何人都能轻松创建和使用机器学习模型。用户无需具备编程或深度学习背景，只需通过浏览器即可完成从数据采集、模型训练到模型导出的完整流程。

平台目前主要支持三大类型的模型：

1. 图像识别模型：通过上传图片或调用摄像头采集画面，让模型学会区分不同类别的物体、手势、表情等。
2. 声音识别模型：通过录制或上传音频，让模型识别不同的声音类别，例如口令、环境声音、乐器声等。
3. 姿态识别模型：基于人体关键点检测，让模型识别不同的身体姿势或动作，用于互动装置、体感游戏等场景。

Teachable Machine 的核心特点包括：

• 零门槛上手：完全可视化操作，无需写代码，通过点击、拖拽和简单配置即可完成模型训练。
• 快速训练反馈：在浏览器本地或云端快速训练模型，几秒到几分钟即可看到训练结果和实时预览效果。
• 多种导出方式：支持将训练好的模型导出为 TensorFlow.js、TensorFlow Lite、TensorFlow SavedModel 等格式，方便集成到网页、移动应用、嵌入式设备甚至创客硬件中。
• 隐私友好：数据可在本地浏览器中完成训练（视具体设置而定），适合课堂教学、个人项目和原型验证。
• 适合教育与创意项目：非常适合中小学、高校课程、工作坊和创客项目，用于快速演示机器学习概念和构建交互式作品。

通过 Teachable Machine，设计师、教师、学生、开发者以及创意工作者都可以在极短时间内完成一个可用的机器学习模型原型，并将其嵌入到网站、互动装置、艺术作品或应用程序中，大幅降低了 AI 技术的使用门槛。

简单使用教程

下面以图像分类模型为例，介绍使用 Teachable Machine 的基础流程（声音和姿态模型的步骤类似）：

1. 访问网站并选择项目类型

   • 打开浏览器，访问：https://teachablemachine.withgoogle.com/
   • 在首页选择要创建的项目类型，例如「Image Project（图像项目）」「Audio Project（音频项目）」「Pose Project（姿态项目）」。

2. 创建分类类别（Classes）

   • 进入项目后，默认会有若干类别（Class 1、Class 2），你可以：
     • 点击类别名称重命名，例如「猫」「狗」「背景」等；
     • 根据需要添加更多类别（Add a class）。

3. 采集或上传训练数据

   • 对于图像项目，你可以为每个类别添加样本：
     • 使用电脑摄像头实时采集：点击「Webcam」按钮，对准目标物体，按住录制按钮采集多张图像；
     • 上传本地图片：点击「Upload」按钮，从电脑中选择多张图片作为该类别的训练样本。
   • 建议每个类别都采集一定数量、角度和光线条件不同的样本，以提高模型的泛化能力。

4. 开始训练模型

   • 为各个类别准备好样本后，点击页面中的「Train Model」或类似按钮。
   • 等待训练完成，页面会显示训练进度条，训练结束后会自动进入实时预览界面。

5. 测试与调整

   • 在预览区域中：
     • 对于图像项目，可以打开摄像头或上传新图片，查看模型预测结果和每个类别的置信度；
     • 如果识别效果不理想，可以返回继续补充样本，或删除质量较差的样本，然后重新训练。

6. 导出模型

   • 当你对模型效果满意后，点击「Export Model」或「Export」按钮。
   • 根据使用场景选择导出方式：
     • TensorFlow.js：用于在网页前端直接加载和运行模型；
     • TensorFlow Lite：用于 Android、iOS 或嵌入式设备；
     • 也可以选择将模型托管在 Teachable Machine 提供的在线地址，直接在示例代码中引用。

7. 集成到你的项目中（简要说明）

   • 对于网页项目：
     • 在 HTML 中引入 TensorFlow.js 和 Teachable Machine 提供的加载脚本；
     • 使用官方示例代码加载导出的模型 URL，并通过摄像头或图片输入进行预测；
   • 对于移动或嵌入式项目：
     • 将导出的 TensorFlow Lite 模型文件导入到对应的开发环境（如 Android Studio、嵌入式 SDK），按官方文档进行推理调用。

通过以上步骤，你可以在几分钟内完成一个简单的机器学习模型，从零开始体验数据采集、模型训练与部署的完整流程，并将 AI 能力快速应用到自己的创意项目中。