Canonical: https://instain.ru/de/ai/teachable-machine/ Language: de Google Creative Lab Experiment # Teachable Machine. Erkennung anhand eigener Beispiele trainieren 4.43 / 5 [Katalogbewertung](https://instain.ru/de/ai/teachable-machine/#editorial-rating) [Offizielle Website ](https://teachablemachine.withgoogle.com/) Teachable Machine lehrt die Erkennung von Bildern, Sounds und Posen im Browser. ![Teachable Machine: offizielles Repository mit Beispielen und Entwicklungswerkzeugen.](https://instain.ru/assets/images/teachable-machine-screen-82cef73e68ca-1200.webp) Offizielles Repository von Teachable Machine auf GitHub. [Quelle öffnen ](https://github.com/googlecreativelab/teachablemachine-community#teachable-machine-community) ## Das Modell lernt aus Ihren Beispielen Teachable Machine bietet einen anschaulichen Einstieg ins maschinelle Lernen. Nutzer sammeln Beispiele, ordnen Klassen zu, starten das Training und testen neue Eingaben. Die offiziellen Materialien beschreiben Bild-, Ton- und Körperhaltungserkennung. Die Aufgabe ist, vorbereitete Klassen zu unterscheiden, nicht allgemeine Gespräche zu führen oder Illustrationen zu erzeugen. Das Projekt gehört zu den Experimenten von Google Creative Lab. Im offenen Repository stehen Bibliotheken, Beispiele und Erläuterungen zur Architektur mit TensorFlow.js. Dort wird ausdrücklich darauf hingewiesen, dass es kein offizielles Google-Produkt für den Produktivbetrieb mit garantierter Unterstützung ist. Für Lernexperimente ist diese Einschränkung wichtiger als der bekannte Entwicklername. ## Warum der Hintergrund beim Test wechseln sollte Angenommen, Kamerabilder sollen Bleistifte und Löffel unterscheiden. Sammeln Sie eigene Beispiele mit unterschiedlichen Positionen, Abständen und Lichtverhältnissen. Fotografieren Sie nicht eine Klasse nur vor weißem und die andere nur vor dunklem Hintergrund. Sonst lernt das Modell womöglich den Hintergrund statt der Gegenstände. Verwenden Sie nach dem Training neue Aufnahmen und verändern Sie die Aufnahmebedingungen einzeln. Testen Sie auch ohne Zielobjekt und mit Gegenständen, die zu keiner bekannten Klasse gehören. Ein hoher Wert bei einem vertrauten Bild sagt wenig über einen anderen Raum aus. Zurückgehaltene Testbilder sollten die geplanten Einsatzbedingungen abbilden. ## Export und lokale Arbeit Das offizielle Repository erklärt, dass das Training und die Ausführung von Modellen im Browser stattfinden. Google Drive kann separat verwendet werden, um das Projekt zu speichern. Exportierte Modelle können mit Websites und Anwendungen verbunden werden; Beispiele für mehrere Sprachen und Hilfsbibliotheken werden bereitgestellt. Dies ist kein Versprechen einer vorgefertigten Cloud-API für jede Aufgabe. Prüfen Sie beim Einbau in ein eigenes Projekt den Umgang mit unsicheren Vorhersagen und neuen Eingabebedingungen. Folgenreiche Entscheidungen erfordern wesentlich strengere Daten- und Fehlerkontrolle als eine Lerndemonstration. Offener Code erklärt die Funktionsweise, ersetzt aber weder die Lizenzprüfung der Komponenten noch die Zuverlässigkeitsprüfung der fertigen Anwendung. Sammeln Sie nicht nur fast identische Nachbarbilder. Zeigen Sie Objekte aus verschiedenen Blickwinkeln und testen Sie sie außerhalb der gewohnten Umgebung. Legen Sie für unbekannte Gegenstände fest, welche Antwort als unsicher gilt und was der Nutzer sehen soll. Andernfalls muss der Klassifikator auch bei einer ungeeigneten Eingabe eine bekannte Klasse wählen. ## Für welche Aufgaben geeignet - Ein einfaches Modell zur Erkennung visueller Klassen trainieren - Ein Modell in ein eigenes kleines Projekt exportieren Funktionen ## Stärken - Das Training findet im Browser statt - Es gibt offene Bibliotheken und Beispiele für den Export Zu berücksichtigen ## Einschränkungen - Ein Experiment ohne Garantie für den Produktivbetrieb - Ein ähnlicher Hintergrund kann das eigentliche Klassenmerkmal überlagern ## Auswahl und Bedingungen Kostenlose Nutzung Ja Testphase Nicht bestätigt Keine Registrierung erforderlich Nicht bestätigt Russische Benutzeroberfläche Nicht bestätigt Lokale Installation Ja API Nicht bestätigt „Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers. Eingabeformate Bild, Audio, Pose Ergebnis Modell, Daten ### Bedingungen Kostenloses Lernexperiment mit offenen Bibliotheken. Das Modell wird im Browser trainiert; das Speichern des Projekts und der Betrieb der eigenen Anwendung haben separate Bedingungen. Von der Aufgabe zum ersten Ergebnis ## Praxisbeispiel Aufgabe Ein einfaches Modell zur Erkennung visueller Klassen trainieren Was Sie vorbereiten sollten Eigene Beispiele für zwei visuelle Klassen und eine separate Bildserie mit einem anderen Hintergrund. ### Aufgabenbeschreibung oder Prompt Aufgabe: Unterschiedliche Beispiele je Klasse sammeln, einen Klassifikator im Browser trainieren und die Erkennung bei verändertem Hintergrund und Abstand testen. ### Erwartetes Ergebnis Ein Lernmodell zur Klassifikation mit verfügbarem Export und Testergebnissen anhand neuer Beispiele. ### So prüfen Sie das Ergebnis - Mit neuen Aufnahmen testen, die nicht zum Training verwendet wurden. - Hintergrund und Beleuchtung ändern, um zufällige Abhängigkeiten von den Aufnahmebedingungen aufzudecken. Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses. Details überprüfen ## Offizielle Quellen - [Offizielle Produktseite ](https://teachablemachine.withgoogle.com/) - [Entwickler-Dokumentation und Bedingungen ](https://github.com/googlecreativelab/teachablemachine-community) - [Entwickler-Dokumentation und Bedingungen ](https://blog.google/innovation-and-ai/products/teachable-machine/) Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung. Das Tool im Überblick Entwickler Google Creative Lab Kategorie [Code](https://instain.ru/de/category/code/) Zugang Google Creative Lab Browser-Experiment; offizielle Bibliotheken und Beispiele sind in einem offenen Repository verfügbar. Zahlung Das Lernwerkzeug und der veröffentlichte Code sind kostenlos; für die eigene Anwendung und Infrastruktur gelten gesonderte Anforderungen. API Keine separate API angegeben [Entwicklerbedingungen ](https://github.com/googlecreativelab/teachablemachine-community) Katalogbewertung 4.43 / 5 Funktionen 4.20 / 5 Arbeitsszenarien 4.60 / 5 Ökosystem 4.40 / 5 Dokumentation 4.50 / 5 Die Punkte dienen der Orientierung im Katalog. Sie sind weder Nutzerbewertungen noch Ergebnisse persönlicher Tests. [Siehe Methodik ](https://instain.ru/de/methodology/)