說明

• 前一篇提到了 Apple 提供 Create ML 這樣的建模工具，讓不專業資料科學家也可以把玩自建 Model 的樂趣。
• 這回要準備建立出的影像分類模型，未來將會讓我們的釣魚APP具備認識魚魚的功能。
• 因為今天剩下的時間不多了，所以馬上接續說明如何實作⋯⋯

實作流程

1. 蒐集圖片

• 在這個環節中，我想大家通常都會先從「Google」或其他搜尋引擎裡，去找到各種魚的圖片。初期我也打算這麼做，好處是簡單方便快速，壞處是找到的圖片風格、拍攝手法、有無雜物亂入，都是很難去控制的。

2. 標記

• 其實就是把圖片按照標籤(魚的名字)，丟進對應的目錄裡，像這樣⋯⋯至於檔案本身要叫什麼都沒關係。
  

3. 導入訓練集

• 用 Spotlight 搜尋 Create ML；或是在 Xcode 圖示上按右鍵，找到開發者工具子選單，來開啟 Create ML。
  
• 建立一個 Project ！
  
• 接著在左邊找到 Model Sources 的地方按「＋」。
  
• 並且在 Training Data 的地方加入剛剛我們分類好的魚圖們⋯⋯選左邊的 「fish」 這個目錄後按下 Open 按鈕。
  

4. 驗證資料集

• 選擇自動產生，意思是完成一次訓練學習，從訓練資料裡面抽考模型，並打一個分數；再進行第二次訓練學習、再抽考、再打分數；⋯⋯依照我們上面的截圖所示，總共做 25 次！

5. 針對圖片常有的失真進行混淆

• 在真實世界中拍出來的照片，可能會因為光線不足而有噪點；晃動、對焦不準導致模糊；部位被裁切掉遺失；曝光不足或過高；翻轉（左右或上下顛倒）；旋轉。
  
• 並不是說把每個功能都加進來就完美，那可能會造成 訓練過度(Overfitting)，於是便會使你的 Model 看見黑影就開砲。

6. 開始訓練

• 在安排好閉關修煉的功課後，便會需要一些時間，使電腦消耗大量運算資源來做學習。
• 師父師伯師叔們在修煉發功，電腦這時候會熱熱的！
  
  
• 完成訓練後，便會有訓練、驗證的分數曲線。
  

7. 評測模型

• 不管之前是如何訓練（寫題庫，或是寫模擬考），最終去參加海鮮課工讀生面試的時候，永遠都不會知道會被考什麼。
• 所以我們偏向另外做出一個測試資料集，用來當作大考考題。

我還沒時間準備考題⋯⋯隨便撈了 4 張圖！！

結論

• 接下來還要準備更多的魚魚圖。
• 最好每張風格都要一致，可以的話，我要去魚販前面，幫魚一隻一隻抓來拍照。
• 然後，把剛剛訓練好的模型匯出，就算完成今天的任務了！