Lobe讓深度學習工具介面視覺化，不用寫程式也能幫App加入AI功能

Lobe發布其深度學習開發工具，並表示透過他們提供的介面就能進行深度學習訓練，開發者不需要撰寫任何程式碼，就能為應用程式加入圖像或是聲音辨識等機器學習功能。

Lobe強調他們提供的視覺化工具，讓開發者不需要撰寫程式碼，就能為應用程式增加深度學習的功能。整個過程分為3個部分，建立模型、訓練模型，最後移植到應用程式中。開發者可以將訓練資料拖拉進Lobe工具視窗中，Lobe便能自動建立客製化深度學習模型，並開始訓練，待模型訓練結束，便能輸出使用在應用程式上。

Lobe展示將照片中人物的手勢對應到Emoji的方法。Lobe工具提供了開發者非常高階的操作介面，在建立模型的階段，系統能自動產生區塊，使用者透過拖拉的方式，建立照片與特徵的關係，以及特徵與對應Emoji圖像的關係，藉由調整區塊屬性細節，以最佳化模型。（來源：Lobe）

在Lobe工具中，模型訓練的資料能以視覺化的方式呈現，提供使用者瀏覽並拖拉排序所有的資料，而這些訓練資料也會自動被分類，部分用於訓練模型，另一部份可以用於驗證模型。Lobe提供的雲端訓練資源，宣稱能達到即時回應的互動，使用者還能以互動式圖表監控模型的精準度。

Lobe雖然提供了高階的操作工具，但底層建立在TensorFlow和Keras的深度學習框架之上，因此使用者也能深入調整參數，添加圖層，甚至是以數百區塊設計全新的訓練架構，而這些操作皆在使用者拖拉介面的時候同步生效。

在訓練完模型後，使用者可以選擇輸出成TensorFlow或CoreML格式，直接在應用程式上執行，或是將模型託管於雲端，使用Lobe開發者API，將深度學習功能整合進應用程式中。