本研究旨在將AI深度學習應用於8051開發板的數字辨識，希望在低功耗的情況下進行AI實作來達到環境保育的目標，探討在硬體受限的情況下如何操縱硬體並使用Python進行參數訓練。通過對不同層數和學習速率的實驗，我們發現兩層層數和0.01的學習速率能取得較好效果。在模型訓練中，我們運用了Cross-entropy計算Loss值，並探討了不同Learning rate對Loss值的影響，以及不同Layers對Loss值的影響。此外，我們還討論了深度學習與機器學習的差異，並介紹了8051開發板的基本原理和應用。未來，我們將繼續改進模型效能和準確性，並優化硬體設計和性能，以應用深度學習技術於更廣泛的領域。
「為配合國家發展委員會「推動ODF-CNS15251為政府為文件標準格式實施計畫」，以及
提供使用者有文書軟體選擇的權利，本館檔案下載部分文件將公布ODF開放文件格式，
免費開源軟體可至LibreOffice下載安裝使用，或依貴慣用的軟體開啟文件。」