Google 機器學習培訓計劃心得

文 / 西打藍 Siddharam

前言

五月，是科技大廠展演的季節，在在 2019 Google I/O 大會期間，同事在 slack 貼了 ML Study Jam 機器學習培訓計劃的活動，想說 Google 的服務只玩過 firebase 和語音 API，這次就試試看其他的吧。

這次共玩了四個，分別是偵測圖片中的標籤、臉孔以及地標的 Cloud Vision API，還有將聲音轉成文字稿的 Cloud Speech API，翻譯文字內容的 Cloud Translation API，以及分類文字內容的 Cloud Natural Language API。

跟著它的步驟做，每一個課程約半小時就能做完，需要打的程式幾乎沒有，就算不會寫程式，也能體驗一番，且多數是系統指令。那我們開始吧。

圖片分析 Cloud Vision API

首先，選擇課程後，點擊右上角的 join，確認有預訂課程後，就能看到內容。

之後開啟 Google Console，接下來，幾乎所有機器學習的操作都會在這裡。

最上方可以建立不同的專案，右上角有個 Cloud Shell，是 Linux 作業環境，支援主流的後端語言，啟動後，右上方有一枝筆，可以打開網頁版 IDE 進行操作。

有幾個指令可以做測試：

1. 顯示帳戶

gcloud auth list

2. 顯示專案名稱

gcloud config list project 接下來，為了要啟用 API，需要先建立憑證（Credentials），接著將它複製，建立環境變數：

export API_KEY=YOUR_API_KEY

請自行將 YOUR_API_KEY 取代成自己的。

接下來，我們要建立容器（Bucket），用來存取靜態資料，有點像是 firebase 裡的 storage，或是 AWS 的 S3。請從左欄開啟 Storage，並點選建立容器並取名。

容器（Bucket）

接著，你可以上傳任意一張圖片進行分析，上傳完畢後，要讓它可以對外存取，所以右側開啟權限 Permissions，並新增項目（Add Item），輸入：

Entity: Group
Name: allUsers
Access: Reader

輸入完畢後，打開編輯器，建立 request.json：


{
  "requests": [
      {
        "image": {
          "source": {
              "gcsImageUri": "gs://my-bucket-name/donuts.png"
          }
        },
        "features": [
          {
            "type": "LABEL_DETECTION",
            "maxResults": 10
          }
        ]
      }
  ]
}

request.json

儲存後，運行 API：


curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json  https://vision.googleapis.com/v1/images:annotate?key=${API_KEY}

就會看到圖片的分析結果。

圖片分析結果。左側是結果，右側是測試圖片。

如果是輸入：


{
  "requests": [
      {
        "image": {
          "source": {
              "gcsImageUri": "gs://my-bucket-name/donuts.png"
          }
        },
        "features": [
          {
            "type": "WEB_DETECTION",
            "maxResults": 10
          }
        ]
      }
  ]
}

運行 API：


curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json  https://vision.googleapis.com/v1/images:annotate?key=${API_KEY}

會看到 Google 從圖片搜尋中，找到的相似圖片。

相似圖片分析結果。左側是結果，右側是測試圖片。

最後還有特徵辨識：



{
  "requests": [
      {
        "image": {
          "source": {
              "gcsImageUri": "gs://my-bucket-name/selfie.png"
          }
        },
        "features": [
          {
            "type": "FACE_DETECTION"
          },
          {
            "type": "LANDMARK_DETECTION"
          }
        ]
      }
  ]
}

運行 API：


curl -s -X POST -H "Content-Type: application/json" --data-binary @request.json  https://vision.googleapis.com/v1/images:annotate?key=${API_KEY}

會回傳臉部特徵的 X、Y 軸：



{
      "faceAnnotations": [
        {
          "boundingPoly": {
            "vertices": [
              {
                "x": 669,
                "y": 324
              },
              ...
            ]
          },
          "fdBoundingPoly": {
            ...
          },
          "landmarks": [
            {
              "type": "LEFT_EYE",
              "position": {
                "x": 692.05646,
                "y": 372.95868,
                "z": -0.00025268539
              }
            },
            ...
          ],
          "rollAngle": 0.21619819,
          "panAngle": -23.027969,
          "tiltAngle": -1.5531756,
          "detectionConfidence": 0.72354823,
          "landmarkingConfidence": 0.20047489,
          "joyLikelihood": "POSSIBLE",
          "sorrowLikelihood": "VERY_UNLIKELY",
          "angerLikelihood": "VERY_UNLIKELY",
          "surpriseLikelihood": "VERY_UNLIKELY",
          "underExposedLikelihood": "VERY_UNLIKELY",
          "blurredLikelihood": "VERY_UNLIKELY",
          "headwearLikelihood": "VERY_LIKELY"
        }
        ...
     }
}

其他的測試，我就沒有截圖，但跑的流程相似。

閱讀量次

聯絡與合作

訂閱電子報，領「我當前 10+ 以上收入源有哪些」一文。

有文字採訪、網站開發，或是諮詢需求，皆可至個人網站參考作品，並聯繫 IG。

或是想分享心情、聊聊天、交朋友，可以來秘密通道找我唷。

Email: frank@siddharam.com