Teachable Machine完整指南：如何用摄像头训练你的第一个AI模型

Teachable Machine是一款无需编程即可在浏览器中探索机器学习工作原理的强大工具。通过它，即使是AI新手也能轻松使用摄像头训练自己的第一个模型，开启机器学习之旅。

🤖 什么是Teachable Machine？

Teachable Machine是一个基于浏览器的AI训练平台，它允许用户通过简单的交互方式，使用摄像头、麦克风等设备收集数据，快速训练自定义机器学习模型。该项目的核心功能集中在src/ai/WebcamClassifier.js文件中，实现了网页端的摄像头图像分类功能。

图：用户正在使用Teachable Machine通过摄像头训练AI模型

🚀 快速开始：3步搭建你的AI训练环境

1. 获取项目代码

首先需要将项目代码克隆到本地：

git clone https://gitcode.com/gh_mirrors/te/teachable-machine-v1

2. 安装依赖

进入项目目录并安装所需依赖：

cd teachable-machine-v1
yarn install

3. 启动应用

运行以下命令启动本地开发服务器：

yarn start

启动后，在浏览器中访问http://localhost:3000即可打开Teachable Machine应用。

📷 使用摄像头训练模型的完整步骤

准备工作：授予摄像头权限

首次打开应用时，系统会请求摄像头访问权限，点击"允许"即可。这一步是必要的，因为我们需要通过摄像头收集训练数据。相关权限处理逻辑可以在src/ui/components/CamInput.js中找到。

步骤1：创建类别

在应用界面中，你会看到默认的几个类别（如"Class 1"、"Class 2"等）。你可以点击类别名称进行重命名，例如将它们改为"石头"、"剪刀"、"布"，为后续的手势识别做准备。

步骤2：收集训练样本

对于每个类别，点击"Record"按钮开始录制样本。建议每个类别收集至少20-30个不同角度、不同光照条件下的样本，以提高模型的准确性。你可以在src/ui/modules/Recording.js中查看录制功能的实现细节。

步骤3：训练模型

收集完所有类别的样本后，点击"Train Model"按钮开始训练。训练过程在本地浏览器中进行，无需上传数据到云端，保护你的隐私。训练逻辑主要在src/ai/squeezenet.js中实现，使用了轻量级的SqueezeNet模型架构。

步骤4：测试模型

训练完成后，你可以实时测试模型的识别效果。应用会通过摄像头实时捕捉图像并进行分类，显示每个类别的置信度。你可以在src/ui/modules/LearningSection.js中找到相关的UI实现。

💡 提升模型准确性的5个实用技巧

1. 收集多样化样本：确保在不同光线、不同角度下收集样本
2. 增加样本数量：每个类别至少收集50个样本
3. 保持背景简单：避免复杂背景干扰模型识别
4. 均匀分布样本：每个类别的样本数量尽量均衡
5. 定期重新训练：随着使用场景变化，及时更新训练样本

🎯 常见应用场景

• 手势控制：训练模型识别不同手势，用于控制电脑或游戏
• 表情识别：识别微笑、惊讶等表情，用于互动应用
• 物体分类：教AI识别不同的日常物品
• 姿势检测：用于健身指导或动作纠正

🛠️ 自定义与扩展

如果你有一定的编程基础，可以通过修改src/config.js文件来自定义应用行为。例如，你可以调整模型训练参数、更改UI主题或添加新的输出类型。项目还提供了声音和文本输出功能，相关代码分别在src/outputs/SoundOutput.js和src/outputs/SpeechOutput.js中。

📚 学习资源

• 项目文档：README.md
• 贡献指南：CONTRIBUTING.md
• AI核心代码：src/ai/

通过Teachable Machine，每个人都能体验机器学习的乐趣和魔力。无论你是学生、教育工作者还是AI爱好者，这款工具都能帮助你以最简单的方式进入人工智能的世界。现在就动手尝试，用你的摄像头创建第一个AI模型吧！