热门
最新
红包
立Flag
投票
同城
我的
发布
Teachable Machine：一个由Google开发的机器学习工具
它允许用户快速、简单地创建自己的机器学习模型，而无需专业知识或编程技能。
你可以用它来教电脑识别图片、声音或人的动作。
使用这个工具的步骤很简单：
1、收集数据：你可以上传图片、录制声音或动作视频来作为训练数据。
2、训练模型：用这些数据来训练你的模型，然后测试它能否正确识别新的图片、声音或动作。
3、导出模型：完成训练后，你可以下载这个模型，或者上传到网上，用在其他项目中。
Teachable Machine提供了多种方式来创建机器学习模型，非常灵活和用户友好。
1、使用文件或实时捕捉示例：用户可以选择上传已有的图片、音频文件作为数据，也可以直接通过电脑的摄像头或麦克风实时录制视频、声音作为训练数据。
2、可以在本地完成训练：用户有选项不通过网络发送或处理数据。所有操作，包括数据的收集、模型的训练和应用，都可以在用户自己的电脑上完成，不需要将摄像头或麦克风收集的数据发送到互联网上。这对于隐私保护是非常重要的，特别是当处理敏感信息时。
3、Teachable Machine”生成的模型是真实的TensorFlow.js模型，可以在任何运行JavaScript的地方工作。此外，还可以将模型导出到不同的格式，以便在其他地方使用，如Coral、Arduino等。
开始训练：https://teachablemachine.withgoogle.com
AI资讯
CSDN App 扫码分享
评论
4
打赏
- 复制链接
- 举报
下一条：
MATHPILE：一个高质量、大规模的数学语料库，29 GB，包含约 95 亿个代币。涵盖从 K-12 到大学、研究生水平和数学竞赛的内容，包括高质量教科书、讲义、科学论文等。提供详细的数据记录，包括数据集表格和质量注释，提高透明度并允许用户根据需要定制数据。-数据来源和处理：数据最初来源于多个不同的数据源，总计大约 520 亿个令牌，占 2.2 TB 的数据量。源数据包括 StackExchange、ProofWiki、Common Crawl、arXiv，以及其他来源。这些数据经过一系列严格的处理过程，包括数据预处理和预过滤、语言识别、清理和过滤，以及去重。-MATHPILE 语料库：经过处理后，得到了一个以数学为中心的语料库，即 MATHPILE。这个语料库总计有 29 GB 的数据量，包含约 903,000 篇文档，以及大约 95 亿个令牌。主要特点：1、数学领域专注：MathPile 是专门为数学领域设计的，与通用或多语言焦点的语料库有明显区别。2、多样性：MathPile 从广泛的来源汇集数据，包括教科书（包括讲义）、arXiv、维基百科、ProofWiki、StackExchange 和网页。它涵盖了适合 K-12、大学、研究生水平和数学竞赛的数学内容。特别是，项目发布了大量高质量教科书的显著收藏（约 0.19B 令牌）。3、高质量：项目坚持“少即是多”的原则，即使在预训练阶段也相信数据质量胜过数量。项目的数据收集和处理努力包括复杂的预处理、预过滤、清洁、过滤和去重，确保语料库的高质量。4、数据文档：为了增强透明度，提供详细的数据记录，包括数据集表格和质量注释，提高透明度并允许用户根据需要定制数据。如语言识别分数和符号到单词的比率。这为用户提供了根据其需要定制数据的灵活性。项目地址：https://gair-nlp.github.io/MathPile/论文：https://arxiv.org/abs/2312.17120GitHub：https://github.com/GAIR-NLP/MathPile数据集：https://huggingface.co/datasets/GAIR/MathPile
