方栗子 发自 凹非寺 量子位 报道 | 公众号 QbitAI

上个周末，面向JavaScript开发者的TensorFlow.js在TF开发者峰会上发布。会上，Nikhil Thorat演示的图像训练版吃豆人，看上去是一款非常友好的游戏。

既然有官网挂出的Demo地址，作为好事者的一员，我也去试了一试。顺便帮大家测试一下网页版的游戏体验。只要打开电脑的前置摄像头，便可以用四种不同的图像训练AI进行上下左右的运动。等Loss值稳定下来，表示训练结束，就开始游戏吧。

EP01

我选择了比较方便的手势训练。一开始，只用大拇指表示四个方向。发现手势传达的意图很不明确，当时以为是AI不负责识别图像的方向——向上和向右 (皆手背朝外) 分不清，向左和向下 (皆手心朝外) 分不清。EP02后来，我把上和左换成了食指。AI依然固执地朝我不想去的方向跑，拇指和食指也分不清。EP03一定是我的脸出现在镜头里，AI才会困惑的，我这样想着。于是，我尽量把脸移出去了。然而并没有什么用，AI还是有些茫然。

EP04

并不甘心。我干脆不用手了，换成头部的前俯后仰，左摇右摆。万万没想到，虽然动作不甚美观，但这次真的好了许多，终于打上了3000分。

操作渣对自己的表现一本满足。后续不过，依然发现了一些问题。这个游戏厉害的地方是，动作变换的途中，系统经常识别出我们无法控制的方向。大概，在没有岔路的时候变换动作最为稳妥，就算过渡期间出现插曲，也能得到有效的纠正。不过，也只是想想，毕竟这种级别的操作已经不是我能练成的。

另外， learning rate (学习速率) 、batch size (批尺寸) 、epoch (所有数据训练的遍数) 和hidden units (隐含单元) 这四个参数的调整，在操作渣的成绩方面，似乎也没有体现出更大的帮助。可能多试几次，会找到更适合的参数组合。以及，关于样本的数量，一言难尽。四组样本，取到最后一组的当中，浏览器可能会突然闪一下——那是在说，前面的样本白取了，回去重新拍照吧。嗯，其实我也想多玩几次的。