Penjelasan
Teachable Machine merupakan alat yang membantu pembuatan model Machine Learning yang di buat oleh google. untuk sekarang Teachable Machine baru menyediakan 3 jenis pembuatan model yaitu , Image Project, Audio Project , dan Pose Project.
# Penggunaan
Pada percobaan kali ini saya akan menggunakan Image Project pada Teachable Machine untuk mencocokan gambar , silahkan kunjungi https://teachablemachine.withgoogle.com .
Sampel
Sebelum melatih AI-nya kita buat terlebih dahulu sampel atau objek utama yang akan dicocokan nantinya, kita bisa menggunakan image yang kamu upload atau live capture webcam yang di sediakan oleh Teachable Machine, Class 1 dan 2 disini bisa diseusaikan untuk nama sampelnya .
Melatih Model
Setelah memberi sebuah sampel atau Objek utama kita bisa mengklik tombol train, untuk sampel yang kita buat tadi bisa dikenali oleh AI dari Teachable Machine atau jika memiliki pengalaman lebih mengenai AI kita bisa menyesuaikan Epochs, Batch Size , dll pada menu dropdown Advanced, jika tidak bisa langsung Train dengan Pengaturan default dari Teachable Machine.
Export
Setelah Proses Train berhasil kamu bisa melihat hasilnya pada bagian Preview dan juga menggunakan model AI yang telah di buat ke project kalian, disini saya akan export model tadi ke tensorflow.js untuk menggunakannya pada javascript , untuk menggunakannya di mobile kamu bisa mengexportnya ke Tensorflow lite.
- Hasil Export & Preview
- Dijalankan pada javascript
- Contoh Script
Path Folderindex.html metadata.json model.json weights.bin
<div>Testing AI</div> <button type="button" onclick="init()">Start</button> <div id="webcam-container"></div> <div id="label-container"></div> <script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script> <script src="https://cdn.jsdelivr.net/npm/@teachablemachine/[email protected]/dist/teachablemachine-image.min.js"></script> <script type="text/javascript"> let model, webcam, labelContainer, maxPredictions; async function init() { const modelURL = "./model.json"; const metadataURL = "./metadata.json"; model = await tmImage.load(modelURL, metadataURL); maxPredictions = model.getTotalClasses(); const flip = true; webcam = new tmImage.Webcam(200, 200, flip); // width, height, flip await webcam.setup(); // request access to the webcam await webcam.play(); window.requestAnimationFrame(loop); // append elements to the DOM document.getElementById("webcam-container").appendChild(webcam.canvas); labelContainer = document.getElementById("label-container"); for (let i = 0; i < maxPredictions; i++) { // and class labels labelContainer.appendChild(document.createElement("div")); } } async function loop() { webcam.update(); await predict(); window.requestAnimationFrame(loop); } async function predict() { const prediction = await model.predict(webcam.canvas); for (let i = 0; i < maxPredictions; i++) { const classPrediction = prediction[i].className + ": " + prediction[i].probability.toFixed(2); labelContainer.childNodes[i].innerHTML = classPrediction; } } </script>
# Pesan Penulis
Bagaimana cukup mudah kan?Untuk penjelasan lebih mengenai bisa kunjungi Teachable Machine.
Cukup itu yang dapat saya berikan, semoga bermanfaat.
Terimakasih 😁