NEW
Font size
WorksheetsTeachable Machine Image Classification Quiz
Total questions: 10
Worksheet time: 5mins
Dalam proyek klasifikasi gambar di Teachable Machine, apa langkah pertama untuk memungkinkan model belajar membedakan objek?
Tulis kode program untuk pengenalan objek
Unggah atau ambil contoh gambar untuk setiap kelas
Atur ukuran output model
Unduh model ke komputer
Jika gambar pelatihan untuk satu kelas diambil dari hanya satu sudut dan pencahayaan yang sama, apa kemungkinan terbesar yang akan terjadi?
Model menjadi lebih cepat untuk dipanggil
Model kesulitan mengenali objek dalam kondisi yang berbeda
Model dapat mengenali semua objek dengan akurat
Model tidak memerlukan pelatihan
Kenapa penting untuk menyediakan banyak variasi gambar di setiap kelas saat melatih model di Teachable Machine?
Supaya ukuran file model lebih besar
Supaya model dapat mengenali objek dalam berbagai kondisi nyata
Supaya proses pelatihan menjadi lebih lambat
Untuk mengurangi jumlah kelas
Seorang siswa ingin melatih Teachable Machine untuk mengenali jenis buah. Dia mengunggah 30 gambar apel dan 30 gambar jeruk. Namun, semua gambar jeruk diambil dengan latar belakang yang sama. Apa dampak negatif yang mungkin muncul?
Model akan mendeteksi latar belakang, bukan buahnya
Model akan mengabaikan warna buah
Model tidak dapat membedakan antara apel dan jeruk
Model akan berhenti bekerja
Fitur 'Ekspor Model' di Teachable Machine digunakan untuk...
Menyimpan dataset dalam format gambar
Mengunduh model yang telah dilatih untuk digunakan di aplikasi lain
Menghapus model yang telah dilatih
Mengubah jenis model menjadi pengenalan audio
Jika model membuat prediksi yang salah untuk gambar baru, apa langkah terbaik yang harus diambil?
Hapus semua dataset
Tambahkan lebih banyak gambar contoh yang beragam ke kelas terkait
Ubah mode dari gambar ke suara
Gunakan model tanpa perubahan
Apa perbedaan utama antara data pelatihan dan data pengujian di Teachable Machine?
Data pelatihan digunakan untuk melatih model, sedangkan data pengujian digunakan untuk mengukur kinerjanya
Data pelatihan lebih kecil dari data pengujian
Data pengujian digunakan sebelum data pelatihan diunggah
Data pelatihan hanya terdiri dari audio
Kenapa penting untuk menyeimbangkan jumlah gambar di setiap kelas saat melatih model di Teachable Machine?
Untuk mempercepat proses unggah
Untuk mencegah model menjadi bias terhadap kelas tertentu
Supaya model hanya mengenali satu kelas
Untuk membuat file model lebih ringan
Jika Anda ingin membuat model yang dapat membedakan antara kucing, anjing, dan burung, maka di Teachable Machine...
Buat hanya satu kelas dengan semua gambar
Buat tiga kelas, satu untuk masing-masing: kucing, anjing, dan burung
Buat dua kelas: hewan berkaki empat dan hewan berkaki dua
Gabungkan semua gambar hewan ke dalam satu kelas
Setelah model dilatih dan diuji di Teachable Machine, apa yang harus dilakukan jika Anda ingin menggunakannya di situs web sekolah?
Hapus semua dataset dari akun
Ekspor model ke format yang sesuai dan integrasikan dengan kode web
Ubah kelas model menjadi 'situs web'
Unggah kembali gambar ke situs sekolah
