系列文章
【11】從 tensorboard 來觀察：dropout 原理篇
昨天花費了不少時間談了 batch_normalization，今天來介紹 dropout 在 tensorflow 中的實作，drop 其實比 batch_n...
【12】tensorflow 資料集應用：製作 tfrecord 篇
這次要介紹的是另一個比較偏向 Dataset 的主題，當你用 tensorflow 久了，你可能就會發現 tensorflow 就像一把瑞士刀，除了最主要的訓練...
【13】tensorflow 資料集應用：讀取 tfrecord 篇
昨天介紹了如何產生 tfrecord，今天要介紹的當然就是如何讀取 tfrecord啦！ 上次我們將每個人的資料都包成一個 example 後塞入 record...
【14】tensorflow 資料集應用：利用 TFRecordDataset 達成 Data Augmentation 篇
如果說，我今天要訓練輸入是圖片，而且我想做資料擴增(data augmentation)，那有沒有一個比較好的讀取方式呢？今天就要來跟大家介紹 TFRecord...
【15】tensorflow 訓練技巧：control_dependencies 篇
在 tensorflow 中，我們知道要先建立好 tensor 和 operation 後，再透過 session 來執行，而在 training 時，若有使用...
【16】tensorflow 訓練技巧：用 piecewise_constant 達成可變動 learning rate 篇
今天要介紹的是 tensorflow 中的 piecewise_constant 功能，但在介紹之前，先來介紹 global step ，global step...
【17】tensorflow 訓練技巧：運用 GraphKeys.UPDATE_OPS 來更新 Batch Normalization 權重篇
今天要介紹的東西，可能很多新手寫錯了都還不知道，包括我早期使用時，大家可以檢視一下自己的模型。不知道大家還不記得 day10 所介紹的 batch normal...
【18】tensorflow 訓練技巧：模型如何輕鬆又方便地做 regularization 篇
相信稍微研究 ML 領域的大家都不陌生 regularization，只是在使用 tensorflow 時，可能有些人就直接忽略它不做，所以！今天就來為大家介紹...
【19】tensorflow 訓練技巧：用 tf.GraphKeys.TRAINABLE_VARIABLES 評估模型效能篇
當你擁有越來越多建構模型的經驗後，下個該注意的重點就是評估這個模型的效能，以我最常處理的影像來說，很常會考量運算是放在雲端還在邊緣裝置，這都會需要測試模型的 b...
【20】tensorflow 訓練技巧：觀念一次就搞懂 Gradient Descent, Momentum, Adagrad, RMSProp, Adam 五種 optimizer 差異篇
在模型更新時，我們可以利用 損失函數 (cost function) 來得到誤差，再來我們會根據這個函數的微分去做權重更新，而權重值更新的策略如何，就是看你使用...