Met de gratis dienst My Maps van Google kun je je eigen kaarten maken. Dit kan handig zijn als je bijvoorbeeld een wandelroute wilt uitstippelen of een roadtrip wil voorbereiden. Hoe je routes kunt maken in My Maps, leggen we uit in dit artikel.

Tip 01: My Maps

My Maps is een dienst van Google Maps die niet heel veel mensen kennen. Hij is standaard niet ingebakken in de browserversie van Google Maps en je kunt bovendien alleen eigen kaarten maken als je bent ingelogd met je Google-account. Voorheen was de dienst bekend als Google Maps Engine, maar sinds enkele jaren heet hij My Maps.

Met My Maps kun je gepersonaliseerde kaarten maken. Dit is bijvoorbeeld handig als voorbereiding op een vakantie. Zoek een locatie die je wilt gaan bezichtigen op in Google Maps en voeg de locatie als markering toe. Je kunt markeringen verschillende kleuren en vormen geven en informatie over een bestemming toevoegen, inclusief foto's en video's. Op je vakantiebestemming zie je eenvoudig welke locaties je hebt gemarkeerd en heb je een overzicht van alle dingen die je interessant vindt. Je kaarten zijn bovendien op een Android-smartphone in te zien, met de app Mijn Kaarten. Op de iPhone kan dit via Safari.

©PXimport

Tip 02: Inloggen bij My Maps

Om je eigen kaart aan te maken ga je naar de website van My Maps. Mocht je nog niet zijn ingelogd in je Google-account, kies dan voor Sign in en log in met je Google-accountgegevens.

Tip 03: Nieuwe kaart maken

Om een nieuwe kaart te maken klik je op het plusje rechtsonderin. Allereerst klik je op Naamloze kaart om de naam van de kaart te veranderen. Eventueel geef je onder Beschrijving een korte beschrijving op. Sluit af door op Opslaan te klikken. Elke kaart kan bestaan uit een aantal lagen. Het is handig om na te denken hoe je deze lagen wilt indelen. De ene laag kan bijvoorbeeld uit restaurants bestaan, de andere uit bezienswaardigheden. Later kun je een laag simpel aan- of uitzetten voor een helder overzicht.

De eerste laag heet altijd Naamloze laag. Klik erop om de naam te veranderen. Markeringen kun je toevoegen door op de kaart te klikken of door een lijst met gegevens te importeren, helaas werkt deze laatste functie niet altijd even goed en wordt vaak een foutmelding gegenereerd. Als de stijl van de kaart je niet bevalt, klik dan op het driehoekje naast Basiskaart en kies een andere stijl. Lettertypes en zichtbare plaatsnamen blijven overigens bij elke stijl hetzelfde.

©PXimport

Tip 04: Voeg markering toe

Het is tijd om markeringen toe te voegen aan de kaart. De makkelijkste manier is om in te zoomen op de kaart en bovenaan op de markeringsknop te drukken. Deze knop ziet eruit als een soort omgekeerde waterdruppel. Als je hierop hebt geklikt, verandert je cursor in een plusje. Klik ergens op de kaart en de markering wordt toegevoegd. Deze krijgt automatisch de naam Punt 1. Verander de naam door erop te klikken. In het veld eronder kun je een korte beschrijving of een weblink toevoegen. Klik op Opslaan om de markering aan de laag toe te voegen. Je kunt ook in het zoekvenster een plaats- of straatnaam opgeven. My Maps geeft automatisch de locatie aan met een lichtgroene markering. Klik weer op de markeringsknop om een markering toe te voegen aan je laag. Je ziet dat de markering nu aan de linkerkant van het scherm in de lijst met locaties is toegevoegd.

Je kunt overigens kiezen of je de naam of de beschrijving van de markering in de lijst wilt zien. Hiervoor klik je op de markering en kies je voor Bewerken, het pictogram met het pensymbool. Links naast de naam klik je op het driehoekje en terwijl je je muis houdt ingedrukt, kies je voor Beschrijving. De naam van de markering wordt nu in de linkerlijst gewijzigd.

In dit artikel gaan we wat uitgebreider in op de mogelijkheden om wandel- en fietsroutes te maken in Maps. Ook leggen we uit hoe je je zelfgemaakte routes kunt exporteren naar andere apps of programma's, bijvoorbeeld Maps.me, waarmee je aanzienlijk meer terreininformatie krijgt dan bij Google Maps. Kaarten van een gebied of complete landen kun je vooraf gratis op je toestel downloaden, zodat je in het veld geen data hoeft te verstoken. Ideaal is dat je een route die je in Google Maps in elkaar hebt gezet, ook in Maps.me kunt gebruiken.

©PXimport

Tip 05: Kleuren en vormen

Zodra je diverse markeringen aan een laag hebt toegevoegd, kan het een beetje onoverzichtelijk worden. Gelukkig kun je eenvoudig de kleur en de vorm van een markering wijzigen. Allereerst moet je de markering selecteren. Dit doe je door in de lijst op de naam te klikken of met de muis over de markering op de kaart te bewegen. In beide gevallen verschijnt er naast de naam aan de rechterkant een verfpotsymbool. Klik erop en kies een kleur uit de lijst.

Naast een andere kleur kun je de markering ook een andere vorm geven. Hiervoor kies je onder Pictogramvorm een andere optie. Als je op Meer pictogrammen klikt, vind je bijvoorbeeld pictogrammen voor geldautomaten, hotels, tandartsen, kerken en wandelroutes. Op deze manier kun je je kaart geheel personaliseren. De kleuren van zo'n pictogram zijn echter vastgelegd en kun je niet veranderen.

©PXimport

Tip 06: Foto's en video's

Als je meer informatie aan een markering wilt toevoegen, weet dan dat je niet alleen gemakkelijk tekst invoegt, maar ook foto's en video's. Klik op een markering en kies voor Bewerken. Rechts onderin vind je een fotopictogram. Klik erop en je hebt een aantal opties om foto's en video's toe te voegen. Belangrijk om te weten is dat je alleen foto's en video's van het internet aan je kaart kunt toevoegen. Het is niet mogelijk om je eigen foto's naar Google te uploaden. Wel kun je je foto's naar een eigen server of webdienst uploaden en een link naar de foto ingeven als je op URL van afbeelding klikt.

Sommige diensten staan zo'n externe link echter niet toe en een koppeling naar een Flickr-foto werkt bijvoorbeeld niet. Makkelijker is om een foto te zoeken via de zoekfunctie voor afbeeldingen van Google zelf. Hiervoor klik je op Google Afbeeldingen zoeken en typ je de naam van de locatie in. Klik op een foto en bevestig de actie door op Selecteren te klikken. De foto is nu meteen zichtbaar als je op de markering klikt. Wil je meer foto's toevoegen, klik dan op het plusje rechts onder de foto. Een foto verwijder je door op het prullenmandpictogram te klikken. Om een video toe te voegen, kies je voor YouTube-URL of -zoekopdracht.

©PXimport

Tip 07: Gebied toevoegen

Een markering is leuk als je een plaats of een bepaalde locatie aan je kaart wilt toevoegen, maar wat als je een gebied zoals een nationaal park wilt toevoegen? Het gereedschap rechts naast het markeringspictogram biedt uitkomst. Klik erop en kies voor Lijn of vorm toevoegen. Je cursor verandert weer in een plusje. Klik één keer met je muis op één van de buitenranden van het gebied dat je wilt markeren. Vervolgens kies je het volgende punt. Je gaat door tot je het hele gebied hebt gemarkeerd. Elke keer dat je op de kaart klikt, verschijnt er een bolletje. De lijn tussen de bolletjes is donkerrood. Als je weer bij het eerste bolletje aankomt, verandert je cursor in een handje. Dit betekent dat je het gehele gebied hebt gemarkeerd.

Het gemarkeerde gebied wordt nu grijs en in het venster verschijnt de naam Polygoon. Klik erop, geef het gebied een naam en kies voor Opslaan. Links in de lijst wordt het gebied aangegeven met een ander pictogram. Wil je de kleur hiervan veranderen, dan klik je op het verfpotpictogram. De transparantie van het gebied en de dikte van de rand kun je hier ook wijzigen. Als je op het gebied klikt, zie je meteen hoeveel kilometer de lijn met bolletjes is en wat de oppervlakte van het gebied is. Een leuke feature.

©PXimport

Tip 08: Routes toevoegen

Een andere optie van My Maps is het toevoegen van routes aan je kaart. Elke route is een nieuwe laag op de kaart en je hebt de keuze uit wandel-, fiets- en rijroutes. Je kunt verschillende bestemmingen aan één route toevoegen en op deze manier je gehele vakantietrip op de kaart tekenen. Per route heb je echter hooguit tien bestemmingen tot je beschikking. Het is dus handig om je routes op te delen in kleinere stukken. Om te beginnen klik je op Een lijn tekenen. Dit is dezelfde knop die je gebruikt om een lijn of vorm toe te voegen. Kies nu wat voor route je wilt toevoegen aan je kaart.

Zodra je cursor in een plusje is veranderd, zet je allereerst je startpunt op de kaart. Laat je muis los en navigeer daarmee naar het eindpunt van je route. My Maps laat je door middel van een blauwe lijn zien wat de snelste route van de ene naar de andere bestemming is. De punten worden met letters aangegeven. Wil je de route veranderen, ga dan met je muis over de blauwe lijn en er verschijnt een bolletje. Klik erop en versleep het bolletje; de route verandert automatisch. Wil je een punt aan je route toevoegen, klik dan in de linkerkant op Bestemming toevoegen. Je kunt de locatie op de kaart aangeven of een bestemming in het zoekvenster naast de letter C ingeven. Om de naam van het start- of eindpunt te wijzigen, klik je op de naam naast de letter. Klik daarna op het pennetje, het pictogram om iets te bewerken.

©PXimport

Tip 09: Kaart delen

Als je kaart helemaal af is, kun je het delen met de rest van de wereld. Rechts bovenin klik je op de groene knop Delen en gebruikers van Google Drive zien dat een zelfde soort venster zich opent. Standaard is een kaart ingesteld voor privégebruik. Dit betekent dat alleen jij toegang tot de kaart hebt, plus de mensen die je met een koppeling uitnodigt. De link bovenin werkt dus alleen voor genodigden. Je nodigt iemand uit door een naam onder Mensen uitnodigen in te geven en op Verzenden te klikken. Deze mensen krijgen een uitnodiging per mail binnen, tenminste als je het vinkje laat staan voor Mensen berichten sturen via e-mail, en kunnen de kaart via de link in hun e-mail bekijken. Ze hebben hiervoor wel een Google-account nodig.

Wil je je kaart openstellen voor mensen zonder Google-account, klik dan op Wijzigen achter Privé: alleen u heeft toegang. De handigste keuze is Iedereen met de link. Dan kun je je vrienden gewoon met een link uitnodigen. Als je voor Openbaar op internet kiest, kan iedereen je kaart inzien.

©PXimport

De temperatuur van je koelkast is belangrijker dan je misschien denkt. Als je 'm goed instelt, blijft je eten niet alleen langer vers, maar voorkom je ook verspilling én nare luchtjes.

Wat is de beste temperatuur voor je koelkast?

De gouden standaard? 4 graden Celsius. Daarmee zit je voor de meeste etenswaren helemaal goed. Mocht jouw koelkast hoger of lager staan, dan weet je dus wat je te doen staat. Maar let op: die 4 graden geldt niet overal in je koelkast. Onderin is het meestal wat koeler, omdat koude lucht naar beneden zakt. In de deurvakken – waar je telkens warme lucht binnenlaat als je de deur opentrekt – is het juist wat warmer. Zeker als je koelkast goed vol zit, kunnen de verschillen flink oplopen.

Wil je het zeker weten? Plaats dan op verschillende plekken een simpele koelkastthermometer en check of alles binnen de perken blijft. Zit er meer dan 3 graden verschil tussen boven en onder, of tussen het midden en de deur? Dan is het tijd om de boel wat slimmer in te richten.

Wist je dat sommige voedingsmiddelen gevoeliger voor temperatuurschommelingen zijn? Vlees, vis, zuivel en eieren moeten strikt op 4 °C worden bewaard. Groenten en fruit kunnen daarentegen ook bij lagere temperaturen goed gedijen in de groentelade.

©Olga Yastremska and Leonid Yastremskiy

Wat is de juiste vriezertemperatuur?

Voor je vriezer geldt één ijskoude regel: -18 graden Celsius is de sweet spot. Op die temperatuur liggen bacteriën en schimmels stil als een standbeeld, en blijft je eten dus veilig bewaard – soms wel maandenlang. Veel vriezers kunnen nóg kouder, maar dat heeft weinig zin. Het kost alleen extra stroom en levert geen voordelen op.

Check ook eens het sterrensysteem op je vriezer: hoe meer sterren, hoe beter hij in staat is om je eten langdurig in topconditie te houden. En twijfel je of jouw diepvries koud genoeg is? Met een vriezerthermometer weet je het zo. Want hoe warmer het wordt, hoe sneller je eten achteruitgaat, en dat is zonde van je boodschappen én je energie.

©Hedgehog94

Hoe stel je de temperatuur in?

Hoe je de temperatuur precies instelt, hangt af van het soort koelkast of vriezer dat je hebt. Heb je een klassiek model met een draaiknop? Dan doe je het een beetje op gevoel. Voor je koelkast zit je meestal goed op stand 3 of 4, voor de vriezer op stand 5. Een losse thermometer is dan geen overbodige luxe om te controleren of je echt rond de 4 °C (koelkast) en -18 °C (vriezer) zit.

Nieuwere apparaten maken het je makkelijker: met een digitaal display stel je de temperatuur tot op de graad nauwkeurig in. En met een slimme koelkast kun je zelfs vanaf je vakantieadres even de boel bijstellen via een app. Ideaal als je vergeten bent dat restje stoofpot erin te zetten voordat je wegging.

Een paar praktische tips: zet je koelkast niet pal naast het fornuis of een radiator – dat maakt 'm onnodig lui. Laat warme gerechten eerst even afkoelen voordat je ze in de koelkast zet, anders raakt de temperatuur van de hele inhoud uit balans. En check af en toe of de deur nog goed sluit. Versleten rubbers laten koude lucht ontsnappen en dan is je energiezuinige instelling voor niks geweest.

Ook interessant: Koelkastproblemen? Zo los je ze op!

©WEBSERVIS

Slim koelen, minder stroom verbruiken

Je koelkast en vriezer staan dag en nacht aan, dus alle kleine beetjes energiebesparing tellen. Begin bij de basis: kies bij de aanschaf voor een energiezuinig model, bij voorkeur eentje met label A. Die zijn flink zuiniger dan oudere of minder efficiënte modellen, en dat merk je uiteindelijk op je energierekening.

Ook de details maken verschil. Controleer minstens één keer per jaar de deurrubbers. Sluiten die niet meer goed aan? Dan ontsnapt er koude lucht en moet je apparaat overuren draaien om alles koel te houden. Houd de deuren sowieso zo veel mogelijk dicht; hoe korter je 'm opent, hoe minder warmte erin komt.

Nog een gouden tip: laat je koelkast en vriezer ademen. Zorg voor genoeg ruimte rondom, vooral aan de achterkant, zodat de warmte netjes kan worden afgevoerd. Zit de boel vol stof? Maak dan even de condensor schoon. En vergeet je vriezer niet af en toe te ontdooien. IJs op de wanden klinkt koud, maar werkt juist als een isolerend jasje, en dat kost extra stroom.

Dagelijks hoor en lees je over artificiële intelligentie (AI). Daarbij worden vaak termen als neuraal netwerk en deep learning gebruikt. In dit artikel vertellen je hier meer over en gaan we ook zelf met AI aan de slag. We doen dit via TensorFlow Playground en Google Teachable Machine.

Het begrip artificiële intelligentie verwijst naar de mogelijkheid om zelfstandig kennis op te nemen, problemen op te lossen en beslissingen te nemen, net zoals een mens. Het woord ‘artificieel’ duidt erop dat deze vorm van intelligentie door mensen is ontworpen en door computers of machines wordt uitgevoerd en dus niet door een biologisch brein.

Veel AI-toepassingen, zoals beeld- en spraakherkenning en taalverwerking, maken hierbij gebruik van zogenoemde neurale netwerken. Deze zijn namelijk uitstekend geschikt voor het herkennen van complexe patronen in grote hoeveelheden ongestructureerde data.

Zo’n digitaal neuraal netwerk (DNN) is gebaseerd op de werking en structuur van het menselijke brein, maar het blijft niet meer dan een abstracte vereenvoudiging. Het menselijke brein is tenslotte (vooralsnog) aanzienlijk complexer, flexibeler en vooral ook energiezuiniger met een maximaal verbruik van circa 20 watt. Ons brein is bovendien superieur in creativiteit, contextueel begrip en emotionele verwerking. 

Digitaal neuraal netwerk

Een digitaal neuraal netwerk (DNN) werkt net als het biologisch brein met neuronen (zie bovenstaand tekstkader). Alleen in een DNN gaat het hierbij om wiskundige rekeneenheden die informatie verwerken. Elk neuron ontvangt invoer, vermenigvuldigt deze met een gewicht om de relevantie te bepalen en telt daar een compensatiewaarde, de zogeheten bias, bij op. Samen vormen deze gewichten en biases de ‘parameters’. GPT-4 bevat er naar schatting 1,7 biljoen.

De informatie stroomt door een of meer verborgen lagen tussen de invoer- en uitvoerlaag. Elke verborgen laag verwerkt de gegevens verder, waardoor complexere patronen worden herkend. Hiervoor gebruikt elk neuron een zogeheten activatiefunctie, die bepaalt of en in welke mate de uitvoer wordt doorgegeven. Zonder activatiefuncties zou het netwerk alleen eenvoudige wiskundige verbanden leren, zoals rechte lijnen, terwijl het nu ook met complexe, gebogen of gelaagde patronen overweg kan.

Een eenvoudig digitaal neuraal netwerk, met één verborgen laag.

Sturing en zelflering

Mensen sturen het DNN indirect aan door het bepalen van het aantal lagen, het aantal neuronen per laag en het type activatiefunctie. Verder kiezen ze hoe het netwerk moet leren, bijvoorbeeld door te bepalen hoeveel data het ziet en hoe complex de gegevens zijn, hoe vaak het leert en hoe groot de aanpassingen mogen zijn. Tijdens deze training worden de parameters automatisch aangepast door het netwerk om optimaal patronen te herkennen en voorspellingen te doen.

Vereenvoudigd komt het hierop neer: nadat het netwerk een voorspelling heeft gedaan, wordt berekend hoe ver deze afwijkt van de juiste waarde, waartoe het netwerk tijdens de training toegang heeft. Deze afwijking wordt vervolgens teruggestuurd door het netwerk, van de uitvoer- naar de invoerlaag. Onderweg berekent het netwerk hoeveel elke verbinding (gewicht) en extra waarde (bias) heeft bijgedragen aan de fout. Daarop past het netwerk de parameters aan om de fout kleiner te maken. Dit proces herhaalt zich vele malen, zodat het netwerk steeds accurater wordt. Dit principe wordt ‘backpropagation’ genoemd (letterlijk: achterwaartse terugkoppeling) en maakt dat het netwerk grotendeels zelflerend is.

©Vallabh soni - stock.adobe.com

Backpropagation: het netwerk stuurt zelf bij op basis van de vastgestelde afwijking.

TensorFlow Playground

Spelen met werking DNN

Het wordt interessanter wanneer je zelf experimenteert met de principes en werking van een DNN. Ga naar https://playground.tensorflow.org. Hier herken je de lagen met neuronen: een invoerlaag, twee verborgen lagen en een uitvoerlaag. Bij DATA is al een specifieke dataset geselecteerd. Zodra je op Run (het pijltje) klikt, probeert het netwerk het patroon in de gekozen dataset te herkennen. Het resultaat verschijnt onder Output.

Hoe langer je het proces laat lopen, hoe hoger het aantal trainingscycli (hier epochs genoemd) en hoe accurater de ruimte-indeling of dataclassificatie in de output: blauwe achtergrond voor blauwe punten en oranje achtergrond voor oranje punten. Omdat het standaard om een eenvoudig datapatroon gaat, zal de Training loss waarschijnlijk 0.000 zijn. Dit betekent dat het netwerk het patroon vrijwel meteen correct herkent op basis van de ingestelde parameters, zodat er nauwelijks of geen backpropagation nodig is.

Met de standaardinstellingen kan dit neurale netwerk moeiteloos overweg.

Verdere aansturing

Je kunt het netwerk flink uitdagen door enkele instellingen aan te passen. We geven je enkele mogelijkheden die zeker leerzaam kunnen zijn. Activeer in de invoerlaag bijvoorbeeld alleen de bovenste eigenschap X1. Het netwerk classificeert dan uitsluitend op basis van de horizontale posities van de punten. Voor de derde dataset (linksonder) kan dit voldoende zijn, maar voor andere niet. Probeer het gerust zelf uit. Je zult ook merken dat hoe meer features je inschakelt, hoe meer informatie het netwerk gebruikt en hoe beter het complexe patronen kan herkennen.

Verhoog eens Noise (ruis) met de schuifknop om het leerproces te bemoeilijken. De datapunten worden hierdoor minder gestructureerd, wat je meteen terugziet in de Output. Verminder nu eens het aantal neuronen (via de minknop boven elke laag) om het netwerk minder complexe beslissingen te laten nemen. Minder verborgen lagen verlaagt eveneens de capaciteit om diepere datapatronen te leren.

Nog steeds te makkelijk? Verlaag dan de Learning rate naar bijvoorbeeld 0.0001. Een lagere leerratio betekent tenslotte kleinere stappen bij het aanpassen van de gewichten (wat zich hier visueel vertaalt als minder snel aangepaste lijndiktes tussen de neuronen), waardoor het netwerk langzamer leert.

Experimenteer gerust verder met andere, ook meer geavanceerde instellingen om het netwerk – en jezelf – uit te dagen.

Met deze instellingen wordt de training van het neurale netwerk nagenoeg onmogelijk.

Deep learning

Een DNN is een van de meest effectieve methoden of algoritmen binnen machine learning (ML), waarbij computers leren van data zonder ze expliciet te moeten programmeren. Het is vooral geschikt voor complexe taken zoals beeldherkenning, spraakherkenning en taalverwerking.

Eenvoudige ML-modellen hebben meestal een of enkele verborgen lagen. Bij een complexere architectuur met meerdere verborgen lagen, die in staat is complexere patronen en relaties te herkennen, spreekt men van deep learning (DL). Deep learning is daarmee een subonderdeel van machine learning, al is het onderscheid niet altijd scherp te maken.

Bij DL gebruikt het neurale netwerk logischerwijze meer parameters, wat meteen ook een grotere hoeveelheid data vereist om het effectief te kunnen trainen. Meer data en parameters vereisen uiteraard ook meer rekenkracht, waarvoor vaak talrijke gpu’s (Graphics Processing Units) of gespecialiseerde processors als Googles TPU’s (Tensor Processing Units) nodig zijn.

Een Google TPU op een PCIe-kaart.

Google Teachable Machine

Experimenten met AI

Het zal je nauwelijks verbazen dat je, behalve geavanceerde kennis, frameworks als TensorFlow of PyTorch nodig hebt om een DL-model te ontwikkelen. Wil je hier desondanks toch mee experimenteren, dan biedt Googles Teachable Machine een uitstekende omgeving. Dit project heeft namelijk een interface waarmee je zonder technische expertise toch een AI-model kunt trainen.

Het platform is gebaseerd op DL-technieken en gebruikt neurale netwerken om patronen en kenmerken in diverse datasets te herkennen. Het werkt met voorgetrainde modellen, maar je kunt ook eigen gegevens toevoegen om een aangepast model te trainen. Na training kun je het model exporteren in verschillende formaten en inzetten in een web-app, mobiele app of op toestellen als Raspberry Pi, Arduino of IoT-apparaten.

Via deze GitHub-pagina vind je talrijke leuke projecten met Teachable Machine (van Bananameter tot Snake Game), evenals tutorials. Maar laten we nu vooral zelf aan de slag gaan met een bescheiden project.

Dit model heeft meteen door dat deze banaan overrijp is.

Starten met project

Surf naar https://teachablemachine.withgoogle.com. Hier leer je een computer trainen om je eigen afbeeldingen, geluiden en houdingen te herkennen. Klik op Aan de slag om een nieuw project te starten en kies uit drie modelopties: Projectafbeelding, Audioproject of Project met houdingen.

Wij nemen het eerste model als voorbeeld. Dit opent een venster waarin je kunt kiezen tussen een Model voor standaard afbeelding (kleur, 224 × 224 pixels) of een Model voor ingesloten afbeelding (grijswaarden, 96 × 96 pixels). Dit laatste, een embedded model, is geschikt voor microcontrollers. Wij kiezen hier voor het wat grotere standaardmodel.

Teachable Machine laat je uit drie grote trainingsmodellen kiezen.

Dataset en klassen aanmaken

Je komt nu terecht op een webpagina waar je eerst je dataset moet aanmaken. In dit geval bestaat deze uit afbeeldingen. Je deelt deze op in twee of meer categorieën, die je ook labelt. Teachable Machine heeft standaard twee categorieën (klassen), maar via +Een klasse toevoegen kun je eenvoudig meer klassen toevoegen.

Het aantal klassen dat je nodig hebt, hangt af van je project. Voor het onderscheiden van bijvoorbeeld QR-codes en zebrapatronen volstaan twee klassen (QR en Zebra). Wil je echter overrijpe, rijpe en rauwe bananen classificeren, dan heb je er minstens drie nodig. Zorg eerst dat het juiste aantal klassen beschikbaar is. Via de knop met drie stippen verwijder je desnoods overtollige klassen. Klik bij elke klasse op het potloodicoon en geef de categorie een zinvolle naam.

Daarna voeg je data toe aan elke klasse via de knop Uploaden of Webcam. Bij gebruik van de webcam moet je de pagina toegang geven tot de aangekoppelde camera. Door op Ingedrukt houden om op te nemen te klikken, stuur je continu snapshots naar Teachable Machine. De afbeeldingen verschijnen vervolgens in de betreffende klasse.

Vul je dataset met voldoende en gevarieerde afbeeldingen, via webcam en/of uploads.

Trainen en testen

Zodra je voldoende en gevarieerde data hebt toegevoegd, kun je het AI-model trainen. Klik op Model trainen om direct te starten of pas eerst enkele instellingen aan via het pijlknopje bij Geavanceerd. Hier kun je Tijdvakken, Batchgrootte en Leersnelheid aanpassen, vergelijkbaar met Epochs, Batch size en Learning rate in TensorFlow Playground. Klik op het vraagteken voor meer uitleg. Bij Geavanceerde opties kun je in een apart venster interessante statistieken over het trainingsproces bekijken. Na afloop verschijnt de melding Model getraind.

Klik rechts op Voorbeeld bekijken, zet Invoer op AAN en kies of je via Webcam of Bestand data wilt aanleveren. Wij kozen voor Webcam en testten met verschillende afbeeldingen van QR-codes en zebra’s. Bij Uitvoer toont Teachable Machine een percentage dat de zekerheid van de classificatie weergeeft.

Een QR-code op de rug van een zebra: daar heeft Teachable Machine niet van terug.

Export

Als alles goed werkt en je het model buiten de Teachable Machine-omgeving wilt gebruiken, klik je op Model exporteren. Kies voor Tensorflow.js, selecteer Downloaden en klik op Mijn model downloaden. Pak het gedownloade zip-bestand uit in een lege submap \my_model. Deze bevat een drietal bestanden, maar niet je trainingsdata. Dit komt doordat de neurale netwerkarchitectuur, geoptimaliseerde gewichten en modelconfiguratie kunnen volstaan voor nieuwe voorspellingen.

Ga vervolgens naar het tabblad Javascript, klik op Kopiëren en plak de code in een teksteditor, zoals Kladblok of Notepad++. Sla dit op als een html-bestand in de map net boven de submap \my_model.

Om lokaal te kunnen testen zonder browserfoutmeldingen zet je eerst een eenvoudige webserver op. Wij gebruikten de gratis Abyss Web Server (voor Windows, macOS en Linux). Plaats het html-bestand samen met de submap \my_model in de standaardmap C:\Abyss Web Server\htdocs. Dubbelklik erop om het in je browser te starten. Als het goed is, kun je nu meteen je AI-model testen. Succes.

Je kunt het model bijvoorbeeld testen via een lokale webserver.