因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

因為資料清楚、類別不多、每一類有足夠樣本

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。
12 分鐘前

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。
1 分鐘前

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

Teachable Machine 透過遷移學習 (Transfer Learning) 技術，僅需訓練預先具備視覺能力的 MobileNet 模型最後一層，即可在本地瀏覽器實現秒級的快速分類

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

Teachable Machine 透過遷移學習 (Transfer Learning) 技術，僅需訓練預先具備視覺能力的 MobileNet 模型最後一層，即可在本地瀏覽器實現秒級的快速分類

Teachable Machine 透過遷移學習 (Transfer Learning) 技術，僅需訓練預先具備視覺能力的 MobileNet 模型最後一層，即可在本地瀏覽器實現秒級的快速分類

Teachable Machine 使用預先訓練完成的模型作為基礎，透過遷移學習僅調整後端分類器來學習新資料的差異，因而能以較少的資料與較短的訓練時間達到良好的辨識效

Teachable Machine 使用預先訓練完成的模型作為基礎，透過遷移學習僅調整後端分類器來學習新資料的差異，因而能以較少的資料與較短的訓練時間達到良好的辨識效

Teachable Machine 使用預先訓練完成的模型作為基礎，透過遷移學習僅調整後端分類器來學習新資料的差異，因而能以較少的資料與較短的訓練時間達到良好的辨識效

因為 Teachable Machine 使用已訓練完成的模型（遷移學習），只需學習新資料的差異，因此能在短時間內達到不錯的辨識效果。

Teachable Machine 使用預先訓練完成的模型作為基礎，透過遷移學習僅調整後端分類器來學習新資料的差異，因而能以較少的資料與較短的訓練時間達到良好的辨識效