摄像头训练的吃豆人，我还是没活几集 | TensorFlow.js

方栗子 发自 凹非寺 量子位 报道 | 公众号 QbitAI

上个周末，面向JavaScript开发者的TensorFlow.js在TF开发者峰会上发布。

会上，Nikhil Thorat演示的图像训练版吃豆人，看上去是一款非常友好的游戏。

既然有官网挂出的Demo地址，作为好事者的一员，我也去试了一试。顺便帮大家测试一下网页版的游戏体验。

只要打开电脑的前置摄像头，便可以用四种不同的图像训练AI进行上下左右的运动。等Loss值稳定下来，表示训练结束，就开始游戏吧。

EP01

我选择了比较方便的手势训练。一开始，只用大拇指表示四个方向。

发现手势传达的意图很不明确，当时以为是AI不负责识别图像的方向——

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

后来，我把上和左换成了食指。AI依然固执地朝我不想去的方向跑，拇指和食指也分不清。

EP03

一定是我的脸出现在镜头里，AI才会困惑的，我这样想着。

于是，我尽量把脸移出去了。然而并没有什么用，AI还是有些茫然。

EP04

并不甘心。我干脆不用手了，换成头部的前俯后仰，左摇右摆。

万万没想到，虽然动作不甚美观，但这次真的好了许多，终于打上了3000分。

操作渣对自己的表现一本满足。

后续

不过，依然发现了一些问题。

这个游戏厉害的地方是，手势变换的途中，系统经常识别出我们无法控制的方向。

大概，在没有岔路的时候变换手势最为稳妥，就算过渡期间出现插曲，也能得到有效的纠正。

不过，也只是想想，毕竟这种级别的操作已经不是我能练成的。

另外， learning rate (学习速率) 、batch size (批尺寸) 、epoch (所有数据训练的遍数) 和hidden units (隐含单元) 这四个参数的调整，在操作渣的成绩方面，似乎也没有体现出更大的帮助。可能多试几次，会找到更适合的参数组合。

以及，关于样本的数量，一言难尽。四组样本，取到最后一组的当中，浏览器可能会突然闪一下——那是在说，前面的样本白取了，回去重新拍照吧。

嗯，其实我也想多玩几次的。

大家也可以去以下地址试玩： https://storage.googleapis.com/tfjs-examples/webcam-transfer-learning/dist/index.html 或者查看代码： https://github.com/tensorflow/tfjs-examples/tree/master/webcam-transfer-learning