由測試結果我們可以看到每個影像的每個類別的預測機率，而我們這個模型的辨識率高達100%。

在本次資訊科技課上，老師讓我們利用Google的Teachable Machine平台進行「影像識別」，這個平台可以讓我們快速且輕鬆地建立機器學習模型。

學習步驟:

1.收集影像樣本：為我們選擇的類別收集相應的影像樣本，並且要確保有足夠的樣本影像。在此網站，我們可以使用相機拍攝，或者從網路上找尋合適的影像下載後上傳。

*樣本數量越多，模型效果越好。

2.使用Teachable Machine訓練模型：將收集到的影像樣本上傳到Teachable Machine平台，設定類別標籤，然後開始訓練模型。

3.測試模型：訓練完成後，測試模型的效果，上傳新的影像，看看模型是否能正確辨識出它的類別。

*若出現辨識錯誤的情形，再重新調整模型的參數。

而我們在剛開始選擇影像類別與過程中的調整模型參數花了點時間才達成共識與目標，也在不斷嘗試和調整後，終於成功建立了一個能夠辨識影像的模型。

這次的經驗讓我們更加瞭解機器學習的原理，也讓我們了解如何將機器學習實際運用在日常生活中，讓生活更加的便利。