Simple AI exercise timer step-by-step video

Om uw eenvoudige AI-oefeningstimer te maken, traint u een machine learning- (of ML-)model.

Dit model herkent wanneer je wel en niet traint.

Vervolgens combineer je het model met een kant-en-klare code voor een trainingstimer...

voordat je het naar je micro:bit downloadt en in het echt gebruikt.

Klik op 'Openen in micro:bit CreateAI' om het project te starten.

Het project wordt geleverd met 3 voorbeelden van bewegingsgegevens voor sporten

en 3 voorbeelden van bewegingsgegevens voor niet sporten.

U moet meer samples toevoegen door uw eigen bewegingsgegevens op te nemen.

micro:bit CreateAI verzamelt bewegingsgegevens met behulp van de versnellingsmeter

(of bewegingssensor) op de micro:bit. U draagt ​​een micro:bit en batterijpakket

om uw pols of enkel, zodat u zich vrij kunt bewegen en uw eigen bewegingsgegevens kunt vastleggen.

Om aan de slag te gaan, moet u de gegevensverzameling micro:bit instellen.

Sluit de om de pols gedragen micro:bit aan op CreateAI. Als Bluetooth op uw computer is ingeschakeld,

heeft u slechts 1 micro:bit en een USB-datakabel nodig. Als je geen Bluetooth-verbinding hebt,

wordt je gevraagd om 2 micro:bits te gebruiken. De tweede micro:bit blijft aangesloten

op de USB-kabel en fungeert als radioverbinding met de micro:bit voor gegevensverzameling.

Volg de instructies op het scherm om verbinding te maken.

Zodra uw micro:bit voor gegevensverzameling is aangesloten,

ziet u de lijnen in de livegrafiek veranderen terwijl u uw micro:bit beweegt.

U bent nu klaar om uw eigen bewegingsgegevensvoorbeelden toe te voegen.

Omdat dit project al een aantal gegevensvoorbeelden bevat, raden we u aan om

voorlopig voor elke actie nog één voorbeeld toe te voegen en later meer tijd te besteden aan het verzamelen en analyseren van gegevens.

Bepaal welke 'oefenactie' u gaat ondernemen.

Dit kan rennen, stevig wandelen, springen, boksen, dansen of een andere oefening zijn.

Zorg ervoor dat de micro:bit is bevestigd aan de pols of enkel die beweegt.

Om gegevens aan een specifieke actie toe te voegen, selecteert u deze door erop te klikken.

Er wordt 3 seconden afgeteld voordat een opname van 1 seconde begint.

Klik op opnemen en ga meteen aan de slag om ervoor te zorgen dat u een schoon gegevensvoorbeeld krijgt.

Een schoon monster is een monster waarbij u voor het gehele monster verhuist,

u niet te laat begint of vroeg klaar bent met verhuizen. Probeer vervolgens een extra datamonster toe te voegen

aan de dataset 'Niet sporten'. Selecteer deze door op de actie te klikken

en blijf stil staan, of beweeg slechts een heel klein beetje terwijl u de sample opneemt.

Je zult merken dat de x,y,z-lijnen van plaats veranderen, afhankelijk

van de hoek waaronder je je micro:bit vasthoudt.

Het project beschikt momenteel niet over veel gegevens,

maar we hebben genoeg om ons eigen machine learning-model te trainen met CreateAI.

Klik dus op 'Trainen' om de huidige gegevens te gebruiken om een ​​ML-model te bouwen.

De tool bouwt nu een wiskundig model dat verschillende

acties zou moeten herkennen wanneer je je micro:bit verplaatst. Zodra het model is getraind,

ziet u de pagina Model testen. Uw micro:bit voor gegevensverzameling kan nu

worden gebruikt om te testen hoe goed het model werkt. Het zou nog steeds verbonden moeten zijn met de tool,

en je zult zien dat CreateAI, terwijl je het verplaatst, inschat welke actie je uitvoert.

Probeer verschillende niveaus van training of niet-training uit om zowel de geschatte

actie als de zekerheidsbalkgrafiek te zien veranderen. Het percentage in het zekerheidsstaafdiagram laat zien hoe

zeker het model is dat u elke actie uitvoert.

Mogelijk merkt u dat uw model sommige acties niet nauwkeurig schat, of dat het

voor de ene actie goed werkt, maar niet voor de andere. Dus nadat u heeft onderzocht hoe het momenteel werkt,

is het een goed idee om op 'Gegevensvoorbeelden bewerken' te klikken en uw gegevens te verbeteren. model.

Machine learning-modellen werken meestal het beste met meer gegevens, dus neem wat extra voorbeelden op voor elk

van de acties, of concentreer u op het verzamelen van meer gegevens voor de actie die problematisch was bij het testen.

U kunt 1 sample tegelijk opnemen of u kunt 10 samples achter elkaar opnemen.

Schone datavoorbeelden zorgen er ook voor dat een ML-model beter werkt,

dus ondervraag uw dataset en identificeer eventuele datavoorbeelden die het model in verwarring kunnen brengen.

U kunt deze verwijderen door op x te drukken. Nadat u meer gegevens heeft toegevoegd en

uw dataset heeft gecontroleerd, klikt u opnieuw op Model trainen om uw gewijzigde dataset te gebruiken.

Test het model vervolgens opnieuw op de pagina 'Model testen'.

Als u tevreden bent met hoe het ML-model zich gedraagt,

je kunt het gebruiken met de kant-en-klare projectcode.

Klik op 'Bewerken in MakeCode' om de codeblokken in een speciale versie van Microsoft MakeCode te bekijken.

Je kunt altijd terugkeren naar CreateAI via de pijl linksboven in het scherm.

Deze codeblokken gebruiken het model dat u binnen een trainingstimer hebt gemaakt.

De code gebruikt twee variabelen om bij te houden hoe lang je hebt gesport en hoe

lang je niet hebt gesport. Wanneer het programma voor het eerst wordt uitgevoerd, worden

deze timervariabelen op 0 gezet. De 'aan ML start'-blokken worden

geactiveerd wanneer het ML-model besluit dat u bent begonnen met trainen of niet.

Ze tonen verschillende pictogrammen op het LED-display van de micro:bit, afhankelijk

van de actie die u volgens schattingen uitvoert. De 'on ML stop'-blokken worden geactiveerd wanneer het

ML-model besluit dat u een actie heeft voltooid, in dit geval wel of niet trainen.

Code in elk blok maakt het scherm leeg en voegt de duur van de actie die zojuist is

afgelopen toe aan de variabele die de totale tijden voor elke actie opslaat.

Het ML-model werkt met de code, zodat u de totale tijd kunt bekijken die aan elke actie is besteed.

Druk op knop A om de totale tijd te zien die u hebt getraind en druk op knop B om de

totale tijd te zien dat u inactief bent geweest. De timer telt in milliseconden,

duizendsten van een seconde, dus het weergegeven getal wordt gedeeld door 1000 om de tijd in seconden weer te geven.

Om uw eenvoudige AI-trainingstimer op uw micro:bit te laten werken,

hoeft u alleen maar deze code naar een micro:bit te downloaden. Als je geen andere micro:bit beschikbaar hebt,

vervang dan eenvoudigweg de code die momenteel op de micro:bit voor gegevensverzameling staat door de projectcode.

Test het project nu in het echt. Worden de juiste pictogrammen weergegeven

wanneer u traint of niet? Je kunt in 3 eenvoudige stappen testen of de timercode

goed werkt met het model: Druk op de resetknop.

Oefening gedurende 30 seconden. Druk vervolgens op knop A.

U zou het getal 30 over uw display moeten zien scrollen.

U bent nu klaar om verbinding te maken met CreateAI, uw eigen gegevens te verzamelen en deze te gebruiken om

een ​​machine learning-model te trainen, testen en verbeteren. En je kunt dit model vervolgens combineren met

de kant-en-klare code en uitproberen op je eigen micro:bit.