累計文章數 13,547篇
參賽組數 812組
團隊組數 033隊
完賽人數 381 人
零、引言 上篇的實作雖然最終有個簡單的小結果,但終究是臨陣磨槍。最主要的原因呢,當然就是... 其實光是弄前面的東西(API)和搞懂TFRecord就花一堆時...
這次參賽是透過Google的ML Study Jam 機器學習培訓計劃來的,看到Google這次跟iT邦幫忙鐵人賽有合作,兩邊的學習計畫都有豐富的資源,而完賽獎...
前言 剩最後幾天,希望能夠完整做一個end 主題 Introducing Loss Functions 損失函數,從意思上面解讀就是"用來計算模型預測...
零、引言 上一篇我們提到了NN模型的三個分類 :: FC、CNN以及RNN那我們到底要挑哪一個來當我們的模型呢? 答案是,沒有一定 什麼鬼答案? 這我也會!...
零、一路走來始終如一 沒錯, 當初真的只想說要撐兩天 ,但還是認認真真的規劃了一下,然後就寫到今天了(有點佩服自己)。 而且還上粉專 而且還上粉專...
在評估模型的時候,會發現模型與結果有誤差,模型無法針對我們的測試集反映出真正結果,這就是評估的偏差(evaluating for bias)。這時候就是需要用到...