重製 Teachable Machine 影像識別模型 by 11034鄭芠欣

stu2101346 — 2024-04-01 08:05:51 UTC

在這個資訊科技課上，老師安排了一個非常有趣的活動，讓我們利用Google的Teachable Machine平台進行影像識別，它可讓每個人快速且輕鬆地建立機器學習模型。

我們運用在課堂上所學到的知識，並且將其應用到實際的情境中去。我所在的小組對這個任務充滿了興趣和熱情，我們迫不及待地開始了這個挑戰。

Google的Teachable Machine平台

stu2101346 — 2024-04-01 08:05:51 UTC

stu2101346 — 2024-04-01 08:05:51 UTC

stu2101346 — 2024-04-01 08:05:51 UTC

stu2101346 — 2024-04-01 08:05:51 UTC

stu2101346 — 2024-04-01 08:05:51 UTC

每 3 個透過您的連結註冊的朋友可以讓您獲得一個免費的 padlet 看板。

您的朋友也會獲得一個免費的 padlet 看板。

stu2101346 — 2024-04-01 08:05:51 UTC

Epoch、Batch size、Learning rate

參數調整

stu2101346 — 2024-04-01 08:05:51 UTC

完成資料前處理後，我們開始使用Teachable Machine平台建立模型。我們將資料輸入到平台上，並選擇了適合的模型架構和參數設定。然後，我們對模型進行了訓練，不斷地調整和優化，直到我們得到了我們滿意的結果。

stu2101346 — 2024-04-01 08:05:51 UTC

[做了什麼? 如何解決困難? 想到什麼? 未來應用?]

這次的學習經驗讓我深刻地體會到了資訊科技的應用價值，並且提高了我的團隊合作和問題解決能力。我期待著將來能夠運用這些技能和知識，去解決更多有趣和有意義的問題。

stu2101346 — 2024-04-01 08:05:51 UTC

首先，我們討論了我們想要建立的影像識別模型。我們決定要建立一個可以區分貓或狗的模型。這個想法既有趣又具有挑戰性，因為我們需要收集各種動物的圖像資料，並確保模型能夠正確地識別它們。

接著，我們開始收集圖像資料。我們利用網路搜索引擎和圖像庫，找到了許多不同種類的貓狗照片。我們盡可能地收集了多樣性的圖片，以確保我們的模型能夠辨識不同品種的貓狗。

資料的品質會直接影響到模型的性能，平台建議上傳 244x244像素的彩圖，為確保圖庫的圖片尺寸和品質一致，本組直接利用關鍵字搜尋貓狗照片，下載縮圖建立圖片庫，這是建立一個準確模型的重要步驟。