系列文章
Day 01：輕鬆掌握 Keras
Keras 不是很簡單嗎? Keras 是深度學習最簡單的敲門磚，但是，計畫趕不上變化，所有市面上的書籍都追不上 Keras 版本的更新，例如： Google...
Day 02：梯度下降與自動微分
前言 上一篇講了一堆安裝的困難，如果，本機安裝不起來，可以直接使用Google Colaboratory 雲端環境，它有免費的GPU/TPU 可使用，而且常用套...
Day 03：撰寫第一支完整的 Keras 程式
前言 上一篇，我們完成了一個神經元的計算，如果要完成整個神經網路的計算，一個一個神經元撰寫，程式碼可能要很多迴圈，才能完成多層式的神經網路，因此，深度學習套件又...
Day 04：神經網路的效能調校(Performance Tuning)
前言 上一篇，我們完成了手寫阿拉伯數字的辨識，但同時也留下很多的問題： 為什麼模型要設成兩層完全連接層(Dense)? 為什麼第一層完全連接層(Dense)要...
Day 05：神經網路的效能調校(續)
前言 上一篇我們作了一些實驗，對單一參數作各種數值的比較，但是，如果同時使用多個參數作各種組合的比較，那就需要撰寫迴圈了，讓每一種組合依序執行，再加上 Cros...
Day 06：Keras 模型結構
前言 從這篇起，我們就Keras各部分的功能進行研究，包括： 模型結構 執行工作記錄(Callback 及 TensorBoard) Dataset Esti...
Day 07：Keras Callback 的使用
前言 Callback 可以在模型訓練過程中觸發事件，記錄訓練過程產生的資訊、在查核點(Checkpoint)對模型存檔、迫使訓練提早結束...等，除了可以使用...
Day 08：TensorBoard 的初體驗
前言 TensorBoard 是 Tensorflow 提供的視覺化工具，功能非常強大，除了可以顯示訓練的過程，也可以顯示圖片及語音。在訓練的過程中就可以啟動T...
Day 09：再探TensorBoard
前言 上一篇簡單介紹 TensorBoard 的功能，並且測試以下功能： 追蹤損失和準確率等效能衡量指標(Metrics)。 將圖片寫入 Log。 這次，我...
Day 10：運用自訂Callback 追蹤訓練過程( Keras )
前言 之前我們測試過一些內建的Callback，這次筆者要自訂 Callback，將損失寫入 Pandas Data Frame，並且作圖畫出優化的軌跡。 可監...