Lobe發布其深度學習開發工具,並表示透過他們提供的介面就能進行深度學習訓練,開發者不需要撰寫任何程式碼,就能為應用程式加入圖像或是聲音辨識等機器學習功能。

Lobe強調他們提供的視覺化工具,讓開發者不需要撰寫程式碼,就能為應用程式增加深度學習的功能。整個過程分為3個部分,建立模型、訓練模型,最後移植到應用程式中。開發者可以將訓練資料拖拉進Lobe工具視窗中,Lobe便能自動建立客製化深度學習模型,並開始訓練,待模型訓練結束,便能輸出使用在應用程式上。

Lobe展示將照片中人物的手勢對應到Emoji的方法。Lobe工具提供了開發者非常高階的操作介面,在建立模型的階段,系統能自動產生區塊,使用者透過拖拉的方式,建立照片與特徵的關係,以及特徵與對應Emoji圖像的關係,藉由調整區塊屬性細節,以最佳化模型。(來源:Lobe)

在Lobe工具中,模型訓練的資料能以視覺化的方式呈現,提供使用者瀏覽並拖拉排序所有的資料,而這些訓練資料也會自動被分類,部分用於訓練模型,另一部份可以用於驗證模型。Lobe提供的雲端訓練資源,宣稱能達到即時回應的互動,使用者還能以互動式圖表監控模型的精準度。

Lobe雖然提供了高階的操作工具,但底層建立在TensorFlow和Keras的深度學習框架之上,因此使用者也能深入調整參數,添加圖層,甚至是以數百區塊設計全新的訓練架構,而這些操作皆在使用者拖拉介面的時候同步生效。

在訓練完模型後,使用者可以選擇輸出成TensorFlow或CoreML格式,直接在應用程式上執行,或是將模型託管於雲端,使用Lobe開發者API,將深度學習功能整合進應用程式中。


Advertisement

更多 iThome相關內容