方栗子 發自 凹非寺 
量子位 報導 | 公眾號 QbitAI

上個週末，面向JavaScript開發者的TensorFlow.js在TF開發者峰會上釋出。

會上，Nikhil Thorat演示的影像訓練版吃豆人，看上去是一款非常友好的遊戲。

既然有官網掛出的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頁版的遊戲體驗。

只要開啟電腦的前置攝像頭，便可以用四種不同的影像訓練AI進行上下左右的運動。等Loss值穩定下來，表示訓練結束，就開始遊戲吧。

EP01

我選擇了比較方便的手勢訓練。一開始，只用大拇指表示四個方向。

發現手勢傳達的意圖很不明確，當時以為是AI不負責識別影像的方向——

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

後來，我把上和左換成了食指。AI依然固執地朝我不想去的方向跑，拇指和食指也分不清。

EP03

一定是我的臉出現在鏡頭裡，AI才會困惑的，我這樣想著。

於是，我儘量把臉移出去了。然而並沒有什麼用，AI還是有些茫然。

EP04

並不甘心。我乾脆不用手了，換成頭部的前俯後仰，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，終於打上了3000分。

操作渣對自己的表現一本滿足。

後續

不過，依然發現了一些問題。

這個遊戲厲害的地方是，手勢變換的途中，系統經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妥，就算過渡期間出現插曲，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不是我能練成的。

另外， learning rate (學習速率) 、batch size (批尺寸) 、epoch (所有資料訓練的遍數) 和hidden units (隱含單元) 這四個引數的調整，在操作渣的成績方面，似乎也沒有體現出更大的幫助。可能多試幾次，會找到更適合的引數組合。

以及，關於樣本的數量，一言難盡。四組樣本，取到最後一組的當中，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。

大家也可以去以下地址試玩：
https://storage.googleapis.com/tfjs-examples/webcam-transfer-learning/dist/index.html
或者檢視程式碼：
https://github.com/tensorflow/tfjs-examples/tree/master/webcam-transfer-learning

— 完 —

加入社群

量子位AI社群15群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot6入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進群請加小助手微訊號qbitbot6，並務必備註相應群的關鍵詞~通過稽核後我們將邀請進群。（專業群稽核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話介面，回覆“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態