[머신러닝야학2기] 5강. Teachable Machine

2021/01/04 - [공부, 자기개발/생활코딩(머신러닝)] - [머신러닝야학2기] 1강. 오리엔테이션

2021/01/04 - [공부, 자기개발/생활코딩(머신러닝)] - [머신러닝야학2기] 2강. 머신러닝이란?

2021/01/04 - [공부, 자기개발/생활코딩(머신러닝)] - [머신러닝야학2기] 3강. 꿈

2021/01/04 - [공부, 자기개발/생활코딩(머신러닝)] - [머신러닝야학2기] 4강. 궁리하는 습관

 

---

 

https://teachablemachine.withgoogle.com/

Teachable Machine

설명을 듣기에 앞서 위의 사이트에서 5분만 관찰해보고 조작해 보기

오오.. 신기하다..

 

 

앞서 고민하고있던 문제로 돌아가서

손톱을 뜯고 있는걸 인지하도록 하려면

 

Class1에는 '손톱'을 깨무는 장면을 촬영하고

Class2에는 손톱을 깨물지 않는 '정상' 상태의 장면을 촬영한다.

 

손톱을 깨물 때의 모습을 먼저 촬영하면

 

 

사진이 많을수록 좋고, 부정확한 이미지가 없을수록 좋다.

 

 

이제 정상 상태의 모습 촬영

 

 

컴퓨터가 손톱을 깨물 때의 모습과 정상일 때의 모습을 학습할 수 있도록

데이터를 입력했고, 학습을 시켜볼 차례.

 

Train Model을 클릭하면

기계는 내가 촬영한 여러 사진을 보고,

어떤 사진이 손톱 class에 속한 사진이고,

정상 class에 속한 사진인지를 학습하게 된다.

 

학습이 끝나면 카메라를 보면서 손톱을 깨물어본다.

그러면 '손톱'의 수치가 높아지고

손톱을 깨물지 않으면 '정상' 쪽의 수치가 높아질 것.

 

이 수치는 기계가 판단한 확률로

보여준 적이 없는 이미지를 만나도 그것이 손톱을 깨무는 모습인지

알아맞히는 것을 볼 수 있다.

 

이 때 중요한 것은

기계가 제대로 학습을 했는지 평가하는 것이다.

 

평가 결과 수치가 만족스럽지 않을 수 있는데 이럴 대는

보다 많은 이미지를 추가하거나, 부정확한 이미지를 제거한 뒤

다시 컴퓨터를 학습시킨다.

 

이런 과정을 커치면 컴퓨터는 손톱과 정상을 점점 더 정교하게

구분할 수 있는 판단력을 갖게 된다.

 

사람이 학습을 하듯이 기계를 학습시켜서

정확한 판단력을 갖게 한다는 점에서

 

이런 기술을 기계학습,

영어로 Machine Learning이라고 부르는 것이다.

 

https://opentutorials.org/course/4548/28897

 

신기해하는 것은 생산자가 되는데 있어서 가장 중요한 재능이다.

그리고 이것은 후천적인 노력으로 키울 수 있는 노력이다.

 

 

손톱을 깨무는지를 구분할 수 있는 판단력을 기계로 구현한 것을

파일로 만들어서 다운로드 할 수 있다.

 

Export Model 버튼을 누르면 다운로드 받을 수 있는 여러가지 방법을 볼 수 있는데

Tensorflow.js 탭을 누르고, Download 라디오 버튼을 누른다.

Download my model 버튼을 누르면

tm-my-image-model.zip과 같은 이름의 파일을 다운로드 한다.

 

압축을 풀어보면

 

metadata.json

model.json

weights.bin

 

이라는 세개의 파일이 들어있다.

 

이 세개의 파일이 우리가 학습시킨 판단력으로 이 판단력이 머신러닝의 핵심이다.

 

이 파일만 있다면 세상의 모든 컴퓨터가

손톱과 정상을 구분할 수 있는 판단력을 갖게 된다.

 

뒤에서 이 파일을 이용해 놀라운 앱을 만들어 볼 것이다.

 

그런데 머신러닝에서는 판단력이라는 표현을 쓰지 않고

모델(Model)이라는 용어를 사용한다.