데이터 기반 인공지능 모델의 일반적인 생성 방법인 데이터의 수집 >> 훈련 >> 모델 생성 과정을 쉽게 이해 및 경험할 수 있도록 만든 도구
- Gather / 데이터 수집 (웹캠 및 마이크를 이용한 실시간 데이터 수집 또는 기존데이터 세트의 업로드 옵션 제공)
- Train / 데이터에 의한 모델 훈련 (다수의 클래스를 식별할 수 있는 분류 모델)
- Export / 훈련된 모델의 추출 (Keras의 .h5 타입 모델로 추출 후 노트북 환경은 물론, 웹 및 앱 환경에서 실험 가능)
프로세스 1: 데이터 수집
프로세스 2: 데이터를 이용한 모델 훈련
프로세스 3: 훈련된 모델의 추출
# TM keras_model.h5 로딩 코드
from keras.models import load_model
from PIL import Image, ImageOps
import numpy as np
# Load the model
model = load_model('keras_model.h5')
# Create the array of the right shape to feed into the keras model
# The 'length' or number of images you can put into the array is
# determined by the first position in the shape tuple, in this case 1.
data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)
# Replace this with the path to your image
image = Image.open('<IMAGE_PATH>')
#resize the image to a 224x224 with the same strategy as in TM2:
#resizing the image to be at least 224x224 and then cropping from the center
size = (224, 224)
image = ImageOps.fit(image, size, Image.ANTIALIAS)
#turn the image into a numpy array
image_array = np.asarray(image)
# Normalize the image
normalized_image_array = (image_array.astype(np.float32) / 127.0) - 1
# Load the image into the array
data[0] = normalized_image_array
# run the inference
prediction = model.predict(data)
print(prediction)Teachable Machine
https://teachablemachine.withgoogle.com/
