基礎概念
上個月開始從原理層面瞭解機器學習，選了一本在線電子書《Neural Networks and Deep Learning》作為教材，事實證明該書實在不錯，讓一個毫無神經網絡、機器學習背景知識的 PM 很快就讀懂了其中的基本原理。
附上此書第一章我的讀書筆記，對於 PM 而言，讀完第一章就夠了，基本概念和方法論在這章裡解釋得十分清楚。讀完之後有一種打開新世界大門的感覺。
行動誘因
上週末看到 Twitch 做的 ClipMine，基於遊戲直播畫面識別出守望先鋒、爐石傳說中玩家正在玩的英雄和段位，供觀眾在多個主播間篩選自己想看的英雄。頓時手癢，想著這樣的需求在國內直播行業裡其實也是存在的，比如將幾千個正在直播的王者榮耀直播流識別出當前在玩的英雄，這樣觀眾就可以選擇自己想看的英雄專注的看了。
手癢，又碰上週末，看來不得不做點啥了。
工程分析
王者榮耀這款遊戲，想要識別其中正在玩的英雄，有幾個思路：
1. 遊戲開始前選擇英雄的界面
2. 遊戲開始後加載資源時的 Loading 界面
3. 遊戲進行中屏幕正中央的英雄本身
4. 遊戲進行中屏幕右下角的技能圖標
分析如下：
在整個直播時長中，1 和 2 的時間佔比是很短的，而且如果玩家直接直播遊戲進行中的畫面，那就沒法獲取英雄信息了。
並且 1 和 2 的界面裡，當前玩家所處的位置並不固定，如果還要加上玩家位置的判定，工程複雜度上升不止一點點。
因為英雄在遊戲中永遠處於正中央，所以 3 其實挺適合用來做訓練素材。但考慮到英雄有不同的動作和朝向，最重要的是這個遊戲單一英雄還有不同的皮膚。各種條件綜合起來，一方面需要提供更多的訓練素材，一方面也加大了機器學習的難度。
而 4 這個界面，英雄的技能在較長的時間段內是不會變的，而且位置穩定，在整個直播時長裡出現的時間佔比也很高，唯一變化較大的是技能發動間歇裡的讀秒倒計時。綜合考慮，4 是最適合用來做訓練素材的。
確定了這點後，就能理清整個項目的運轉流程了：
獲取 60 幾個英雄對應的遊戲進行中圖片，每個英雄不少於 1000 張（拍腦袋的，我也不知道多少張合適）
將 1 中圖片的右下角截取出來，作為機器學習的訓練資料
運行機器學習代碼，訓練出可以識別不同英雄技能的模型
從待識別的直播流中抽取畫面，截取右下角的技能畫面，用 3 中的模型去識別看是哪個英雄的技能，從而完成對直播流英雄的識別
流程已然清晰，但後面的工作量才是最大的，先來看看如何獲取訓練資料吧。
收集素材
做機器學習的都知道，寫代碼不是最難的部分，收集優質的訓練素材才是。如何能夠快速獲得 60 多個英雄分別對應的 1000 張圖片呢？且不說找到 6 萬多張圖片的難度，找到後難道要我人肉來標記哪張圖片是哪個英雄？如果真要這麼做，估計一個人是很難完成了。
這一次想出的取巧方法是直接去優酷上搜索「王者榮耀」+「英雄名字」，就能搜到很多玩家錄好的英雄視頻。於是讓團隊裡的同學幫忙，很快收集齊了所有英雄的對戰視頻各 1 個。然後用 Adapter 這樣的軟件將視頻按一秒一幀轉化為幾千張圖片。（不過一開始沒有發現 Adapter 這個軟件，當時是用 OpenCV 去一幀幀把視頻裡的畫面讀取出來的。）
唯一的坑是優酷上的視頻往往並不只是對戰過程本身，還會有一些製作者加入的視頻特效、文字、轉場動畫啥的。一開始沒留意，汙染了一小批訓練素材，後來重新找了幾個乾淨的視頻解決此問題。
於是就這樣，輕鬆獲得了含有英雄標記信息的近 10 萬張圖片。
後面的事情就簡單了，用 OpenCV 統一對圖片進行裁剪。一開始是裁到三個技能的區域，但因為這個區域覆蓋的面積較大，會包含進來很多不必要的圖像信息，導致訓練出來的結果不理想。在後期調優時，想到每個英雄的技能其實是唯一的，沒必要識別全部，於是將素材全都裁剪到第二個技能，果然大大提升了識別準確度。
技術實施
早有耳聞 Google 家 TensorFlow 上手容易且性能還不錯，加上是 G 家產品，自然和 Python 配合度最好，適合常年寫 Python 的我。於是果斷開始讀 TensorFlow 的文檔。
不得不說週末那個晚上有很多時間花在瞭如何在 virtualenv 裡安裝 TensorFlow 和 OpenCV。網上的教程沒有一個是可以完全順利在 Mac 上跑完的，還好最後在 Google 和 Stack Overflow 的雙重加持下，這倆個組件都在我 Mac 上編譯成功了。
很快，在 TensorFlow 官方教程裡找到一篇關於圖片識別的文章。跑了一下 demo，運行正常。於是開始研究如何訓練自己的模型。
既然都按照官方教程走了，所以直接用了 Inception V3 的網絡結構。近 10 萬張圖片，在沒有 GPU 加持的 Macbook Pro 上，差不多得跑 10 個小時才能跑完第一次訓練。
不過其中最耗時是計算 Bottleneck 值，因為這個值在每次訓練時其實都不會變。所以教程中會讓在第一次計算每張圖片的 Bottleneck 值後，將之保存下來，這樣下次訓練只需要計算新增圖片素材的 Bottleneck 值即可，不需要每次都全量計算。這樣優化之後，效率飛昇。
到此時，已經是週日凌晨 3 點了，趕緊讓模型跑起來，睡覺去。
性能調優
週日中午醒來，第一次訓練已經跑完了，趕緊拿新模型去做各種測試，準確率超乎想象的高。但如「收集素材」那一段裡提到，一開始是識別三個技能，所以在某些英雄的識別上不太理想。
將所有素材調整為單個技能截圖後，又跑了一次，出結果時已經是週日晚上。這個時候的準確率靠我找到的測試圖片已經沒有失敗的例子了。
截止這個時候，識別單張圖片大概需要 5 秒，倒也不是不能接受，但還想更快。在沒有 Nvidia 顯卡的情況下，只能依賴於在本地編譯 TensorFlow，從而讓 TensorFlow 能用上本地 CPU 的 SSE、AVX 這類指令，加快運算速度。如何在 Mac 上編譯 TensorFlow，可以參考這裡。
附加功能
在本地已經能完美識別英雄了，但總想著讓更多的同事能體驗這個功能。週二晚回家想起了之前用 itchat 寫的微信機器人，於是立馬將機器人和王者識別代碼結合起來，實現了在微信裡給機器人發遊戲圖片，機器人立即回覆這個圖片裡的英雄是誰。
結語
實際的學習和開發時間就是週六晚 8 點到凌晨 3 點。這 8 個小時讓我從原理及代碼層面認識到了機器學習的魅力和實施細節，真真切切的看到了另一個世界的入口以及未來無窮的可能性。
最大的觸動是開始思考未來產品經理在設計產品邏輯時，如果理解機器學習，那麼很多以往被認為不可能的事情，都將成為產品邏輯的一部分。而能否建立這種新的認知，運用好新的工具，將在未來某些領域裡區分出產品經理的高下。
學習，是一個 PM 永遠不該停下的生存技巧。
End.
閱讀更多 36大數據 的文章
