# 機器學習圖像辨識 模型訓練

### MakeCode編程

在MakeCode打開專案，點擊擴展一頁。

<figure><img src="https://kittenbothk.readthedocs.io/en/latest/_images/16-1.png" alt=""><figcaption></figcaption></figure>

在搜尋欄輸入koi 2。

<figure><img src="https://879637118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F6uJvpXC43onNIIwhMlWo%2Fuploads%2FYbwMI7rpZP04ohLJF57u%2Fkoi2_ext.gif?alt=media&#x26;token=0ed7f6c2-fae0-42be-96b9-388fe4323e9f" alt=""><figcaption></figcaption></figure>

加載成功後，積木欄會新增koi2的積木。

<figure><img src="https://879637118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F6uJvpXC43onNIIwhMlWo%2Fuploads%2FWXDIXtoDuySMZ0A8HUKM%2Fimage.png?alt=media&#x26;token=7b2e02a0-18a6-4a6f-9583-622cdb6c881a" alt=""><figcaption></figcaption></figure>

### 編程積木

<figure><img src="https://files.gitbook.com/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FsN6MlwBFbL3P67FzMMyL%2Fuploads%2Fg8gveE0DC4idrYoORQEx%2Fimage.png?alt=media&#x26;token=97b18306-46f0-43d8-8aba-690e1ac10ca3" alt=""><figcaption></figcaption></figure>

### 參考程式

{% hint style="info" %}
KOI 2已經放寬了40張照片的限制

毋須使用SD卡模型儲存，模型可以直接儲存到KOI的內存裡面
{% endhint %}

{% hint style="info" %}
Armourbit用家請使用初始化Armourbit積木。
{% endhint %}

<figure><img src="https://files.gitbook.com/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F6uJvpXC43onNIIwhMlWo%2Fuploads%2FPGyECwlPd2M3JqUBLDfO%2Fimage.png?alt=media&#x26;token=662ace3f-a8eb-4fbf-8a10-1d9643c88b1e" alt=""><figcaption></figcaption></figure>

{% embed url="<https://makecode.microbit.org/_FKDPvMhKFiLV>" %}

[參考程式](https://makecode.microbit.org/_FKDPvMhKFiLV)

#### 程式解說

{% hint style="info" %}
訓練時，KOI會顯示該物件的相片數量。

儲存成功的話，KOI會顯示Save Successfully的畫面。
{% endhint %}

1. 按A訓練第一件物件，並將物件分類為A。
2. 按B訓練第一件物件，並將物件分類為B。
3. 按A+B將模型儲存。模型成功儲存後，KOI會顯示Save Successfully的畫面。

<figure><img src="https://879637118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F6uJvpXC43onNIIwhMlWo%2Fuploads%2FRf5TA5NOxmHoDZnidelR%2Fmodelsave4.png?alt=media&#x26;token=0fe41529-7aaa-42f1-9ebe-23537f9e287e" alt=""><figcaption></figcaption></figure>