系列文章
Day 11：風格轉換(Style Transfer) -- 人人都可以是畢卡索
前言 收到版主通知，才知道已經熬過10天了。言歸正傳，昨天剛好看到一個新聞『催生全球首位AI繪師Andy，美圖搶攻人工智慧卻面臨一大挑戰』，號稱花了1.99億元...
Day 12：物體偵測(Object Detection) + 影像標題(Image Captioning)
圖. 影像標題(Image Captioning)，圖片來源：cs231n_2017_lecture11 Detection and Segmentation...
Day 13：『自然語言處理』(NLP) 概念介紹
前言 之前我們看到 Neural Network 在影像的辨識與解析的強大威力，接著，我們就要開始研究『自然語言處理』(Natural Language Pro...
Day 14：循環神經網路(Recurrent Neural Network, RNN)
前言 上一篇我們對『自然語言處理』(Natural Language Processing, NLP)有一個初步的認識，現在，我們再進一步認識，如何以 Neur...
Day 15：『長短期記憶網路』(Long Short Term Memory Network, LSTM)
RNN 的缺點 上篇介紹的RNN，它能夠額外考慮前面字句，來預測當前的字句，聽起來似乎已符合語言的特性了。但是，距離當前單字越遠的字句影響力會遞減，因為，下面的...
Day 16：『長短期記憶網路』(LSTM) 應用 -- 情緒分析(Sentiment Analysis)
前言 現在網友都勇於發聲，網路聲量高漲，往往會引領群眾的意向，引發巨大能量，影響國家命運，例如太陽花運動、埃及茉莉花革命，因此，輿情分析已經變成顯學，如何收集網...
Day 17：GRU (Gated Recurrent Unit) 概念介紹與實作
前言 原來還想多介紹幾個應用，但是，一直擔心忘了另一個RNN的變形 -- GRU，所以，還是先把它處理掉，才好 focus 在應用上。另一方面，LSTM 執行速...
Day 18: 機器翻譯(Machine Translation)
目標 今天我們要利用一個 seq2seq 模型，來作英中翻譯，它不是以傳統字典的查詢方式，而是利用 LSTM 演算法，讓機器自我學習，進而達到翻譯的功能。這個程...
Day 19：自然語言處理的預訓詞向量(Pre-trained Word Vectors) -- 站在巨人的肩膀上
前言 我們在『Day 09：CNN 經典模型應用』討論到CNN的預先訓練好的模型，並在後續的篇幅，直接套用這些模型在『照片主體的相似性比對』、『畫風轉換』及『物...
Day 20：自然語言處理的一些術語介紹
前言 筆者在作上一篇時卡住很久，因為，碰到很多術語，搞得頭暈腦脹，因此本篇花點時間將心得整理起來，與同好共享。內容大致如下： 成效衡量指標(Metrics)：...