同 Teachable Machine 猜包剪揼

玩法

  1. 按啟動鏡頭
  2. 按 玩一回合
  3. AI 會首先出示包/剪/揼
  4. 系統給你5秒去思考，請向鏡頭出包/剪/揼
  5. 勝出者有 10 分
  6. 再按玩一回合

立即試玩

在猜拳遊戲中，當我們展示不同的手勢給 Teachable Machine 時，它會分析這些手勢的特徵。特徵可以是手指的位置、手的形狀或其他與手勢相關的屬性。Teachable Machine 會收集這些特徵的數據，並利用這些數據建立起一個模型。

訓練自訂模型

  1. 到 Teachable Machine 訓練一個 4個類別的圖像分類模型，需按以下名稱分類 ( 0 = 揼 / 1 = 包 / 2 = 剪 / None = 沒有任何指示)
  2. 按 Export Model, 選 upload
  3. 複制 model 的 URL
  4. 在按 啟動鏡頭 前，將上一步 copy 的 URL貼到最頂端的 text box
  5. 按 啟動鏡頭
  6. 進行遊戲

Teachable Machine

這個模型的訓練需要大量的數據，這些數據可以是不同手勢的圖像或視頻。通過訓練，模型可以學習到手勢的共同特徵和差異，從而能夠對新展示的手勢進行準確的預測和分類。

機器學習 (Machine Learning) 的關鍵在於模型的訓練和學習過程。透過大量的數據和適當的算法，模型可以不斷優化和改進，提高對手勢的識別能力。這種基於數據的學習方式讓機器能夠自動從數據中學習，並根據學習到的知識做出預測和決策。

猜拳遊戲只是機器學習的一個簡單應用，而機器學習的應用範圍非常廣泛。它可以應用於圖像辨識、語音識別、自然語言處理等各種領域。例如，機器學習可以幫助我們開發出更準確的人臉辨識系統，讓我們可以通過攝像頭識別和驗證人的身份。它也可以應用於無人駕駛汽車，讓車輛能夠自動辨識和適應不同的交通狀況。

×