小孩都可以玩的神经网络

今天发现了一个非常好的网站

https://teachablemachine.withgoogle.com/#

不需要任何代码，只用一个摄像头就可以建一个图像分类的神经网络，晚上和女儿一起玩了下。她基本上懂了整个流程无奈太小还是自己操作不来，我就录了下面一段。

整套操作如下：

首先做一个挥手动作并用鼠标点击 TRAIN GREEN 生成至少 30 张。由于只给网络看过一类图，这是不管我展示什么动作，网络只会把它分类为挥手 (对应着白猫挥手)。

接着做一个摇头动作并点击 TRAIN PURPLE 训练第二类动作，对应着是个毛茸茸的猫在转头。这时网络可以认出两类动作，挥手和摇头。

最后做一个张口动作并点击 TRAIN ORANGE 训练第三类动作，对应着一个松鼠吃东西。训练完毕后该网络就可以认出这三类动作，挥手、摇头和张口。

类比机器学习流程，训练之后就就是预测。在下面视屏中，我分别做了挥手、摇头和张口，神经网络都返回正确的图像 (注意我照片下有绿色、紫色和橙色三组颜色，它们的长度分别代表预测对应类的概率)。

当我最后把手缓缓升起，神经网络被困惑了，它觉得第一类和第二类都有可能。

除了用图片当标签，该网络也可以用语音和文字做为标签。

挥手对应着 Hello，我把摇头改成对应着 Hell No，把张口改成对应着 My Gosh。看看并听听下面视屏效果。

这个视屏由 AVI 格式转成 MP4 有点延时，实际上是

• 挥手对应着 Hello
• 摇头对应着 Hell No
• 张口对应着 My Gosh

这个 Teachable Machine 网站非常酷，该神经网络完成的图像分类是由 Tensorflow.js 实现的，从 github 看源码背后的网络架构是 SqueezeNet。它属于卷积神经网络中轻量级的网络，在参数只有 AlexNet 1/50 的时候和其表现相当。

女儿和我一起玩了半天这个，对神经网络也产生了兴趣，虽然不知道反向传播是怎么推导出来的，但是被激发起的这个兴趣以后迟早会让她自动去学习而达到这一步。As to motivate kids to learn something, show them what it DOES, not what it is.