臺南市大甲國小自主學習專區

:::


多人網頁系統	學生作業繳交	學習資源	電子信箱	學生認證系統

6. OLED1306 顯示器(4)手繪圖形

8. 使⽤stretch3、OSEP next

課後社團-Micro:bit(4)
=================

[使用 Teachable Machine - AI 影像辨識教學 ( Python ) | STEAM 教育學習網](https://steam.oxxostudio.tw/category/python/ai/ai-teachable-machine.html)

#### <span style="color:#2ecc71;">Teachable Machine是什麼？</span>

Teachable Machine 是 Google 所推出的無程式碼機器學習平台，更簡單來說，Teachable Machine 是一個網頁工具，只需要打開瀏覽器，就能在不需要專業知識和撰寫程式碼的情況下，輕鬆的為網站和應用程式訓練機器學習模型。

Teachable Machine 目前提供了「*圖片、聲音和姿勢*」共三種訓練模型，只要經過「*蒐集和訓練*」的步驟，就能夠建立自己的模型，由於 Teachable Machine 背後應用了開源的機器學習函式庫 Tensorflow.js，因此可以將訓練好的模型以 Tensorflow.js、Keras、或 Tensorflow Lite 格式輸出，在任何的網頁或是應用程式中呼叫使用。

前往 Teachable Machine：[https://teachablemachine.withgoogle.com/](https://teachablemachine.withgoogle.com/ "https://teachablemachine.withgoogle.com/")

#### <span style="color:#2ecc71;">建立分類，訓練模型</span>

1.開啟 [Teachable Machine 網站](https://teachablemachine.withgoogle.com/ "Teachable Machine 網站")後，點擊「開始使用」開始訓練模型的新專案 ( 最下方可以切換語系為繁體中文 )。

2.點擊 「**圖片專案**」，選擇「**標準圖片模型**」，就可以進入圖片模型訓練流程。

3.訓練流程主要有三個步驟，「**添加分類內容**」、「**訓練模型**」和「**預覽訓練結果**」。

4.本單元是**訓練「剪刀」、「石頭」和「布」以及「背景」共四個分類**

**為什麼要訓練「背景」呢？因為如果沒有背景分類，會在沒有出拳的時候自動判斷最接近的分類，導致判斷出錯，所以建議一定要訓練一個背景的分類** ( 背景的分類除了單純的背景，也可以加入許多雜亂的圖片，增加背景的準確度 )。

5.分類建立後點擊「訓練模型」，等待訓練完成，可以從預覽區域測試模型。

:::

書籍列表

搜尋

進階搜尋

計數器

今天：
昨天：
總計：

MarkDown

書籍列表

搜尋

計數器