iT邦幫忙

深度學習相關文章
共有 128 則文章
鐵人賽 AI & Data DAY 1

技術 [序章] 自然語言處理初探

前言 生活在網際網路以及智慧型手機普及的今天,與外國朋友聊天、出國旅行、與國外客戶開商務會議,縱使不熟悉當地語言,只要開啟Google Translate,語言...

技術 深度學習常用程式碼

之前沒整理程式碼的習慣經常想到某些程式碼就要翻以前寫的覺得有點浪費時間 之後有用到就貼上來 慢慢更新然後我會打一些關鍵字方便自己用Ctrl + F 搜尋 #ka...

鐵人賽 影片教學 DAY 30
全民瘋AI系列 系列 第 30

技術 [Day 30] 使用TensorFlow.js建置DNN手寫數字辨識分類器

使用TensorFlow.js建置DNN手寫數字辨識分類器 不能觀看的話可以點選連結: https://www.youtube.com/watch?v=u17...

鐵人賽 影片教學 DAY 29
全民瘋AI系列 系列 第 29

技術 [Day 29] DNN (分類器)

DNN (分類器) https://www.youtube.com/watch?v=diCzrBXLxL0&list=PLXSkku8eiD-iFRB...

鐵人賽 AI & Data DAY 17

技術 二、教你怎麼看source code,找到核心程式碼 ep.10:如何製作tfrecord? 2

文章說明 文章分段 文章說明 deeplab的簡單介紹、於我的意義 tensorflow的程式碼特色 訓練流程的細節 逛deeplab的github程式,順序...

鐵人賽 AI & Data DAY 16

技術 二、教你怎麼看source code,找到核心程式碼 ep.9:如何製作tfrecord?

文章說明 文章分段 文章說明 deeplab的簡單介紹、於我的意義 tensorflow的程式碼特色 訓練流程的細節 逛deeplab的github程式,順序...

鐵人賽 AI & Data DAY 14

技術 二、教你怎麼看source code,找到核心程式碼 ep.7:session、slim.learning.train()

文章說明 文章分段 文章說明 deeplab的簡單介紹、於我的意義 tensorflow的程式碼特色 訓練流程的細節 逛deeplab的github程式,順序...

鐵人賽 AI & Data DAY 11

技術 二、教你怎麼看source code,找到核心程式碼 ep.5:trace code 2

文章說明 文章分段 文章說明 deeplab的簡單介紹、於我的意義 tensorflow的程式碼特色 訓練流程的細節 逛deeplab的github程式,順序...

鐵人賽 AI & Data DAY 7

技術 二、教你怎麼看source code,找到核心程式碼(e.g. DeepLab)

文章說明 開啟新的篇章,第二篇會想說這個主題的原因是,我自己在找原始碼的時候,其實跌跌撞撞蠻久的,後來我找到了比較適合自己的方式去挖掘程式碼,於是想跟大家分享。...

鐵人賽 AI & Data DAY 6

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.5:解釋train.py

文章說明 文章分段 文章說明 簡介datasets 描述模型訓練的流程 程式架構:上程式的虛擬碼,預告要寫的檔案、功能有哪些 主程式的實際撰寫,註明程式開始不...

鐵人賽 AI & Data DAY 5

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.4:用虛擬碼開始解釋囉!

文章說明 文章分段: 文章說明 簡介datasets 描述模型訓練的流程 程式架構:上程式的虛擬碼,預告要寫的檔案、功能有哪些 主程式的實際撰寫,註明程式...

鐵人賽 AI & Data DAY 4

技術 AI實習在做什麼?

文章說明 今天去參加婚禮,所以沒時間寫文章,所以我決定將我去實習時,熟悉的工具,還有每個階段在做的事情紀錄下來。一開始是處理資料,並沒有直接接觸模型的實作部分。...

鐵人賽 AI & Data DAY 3

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.3

文章說明 文章分段: 文章說明 簡介datasets 描述模型訓練的流程 程式架構:上程式的虛擬碼,預告要寫的檔案、功能有哪些 主程式的實際撰寫,註明程式開始...

鐵人賽 AI & Data DAY 2

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.2

文章說明 本篇是接續一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.1,這第一篇主要要講的是我學到的...

鐵人賽 AI & Data DAY 1

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.1

挑戰前言 這次的挑戰想讓自己成功堅持一件事情30天,我之前是個蠻3分鐘熱度的人,寫文章也總是很久才生出一篇覺得滿意的,比兩天捕魚三天曬網還誇張。 所以我這次我決...

技術 在HackerRank的第二天

今天看著流覽器切換到的測驗是Day7,不是我很厲害,而是我昨天完成Day1後按next Challeng後被傳送到Day7,害我昨天寫心得的時候已為自己做了多少...

技術 人工智慧-機器學習-強化學習-深度學習-卷積網路

因為自己不太懂,所以就整理了一下,這之間的關係。 人工智慧(Artificial Intelligence,AI) 指由人製造出來的機器,所表現出來的智慧型。...

鐵人賽 自我挑戰組 DAY 15

技術 DL的神經網路

1.卷積神經網絡(Convolutional Neural Network, CNN) 是深度學習中必要的網路架構,靠著卷積層(Convolutional la...

鐵人賽 自我挑戰組 DAY 13

技術 深度學習的訓練、推斷

DL的運作部分為兩種: 訓練(Training) 、推斷(Inference),那兩者有什麼不同呢? 1.訓練(Training) :首先建立學習環境,網路架構...

鐵人賽 自我挑戰組 DAY 12

技術 機器學習、深度學習、人工智慧一樣嗎?

人工智慧Artificial Intelligence 目標是讓機器、電腦、軟體和機器人的運作方式能貼近人的思維,但又能保有比人類快速的運算、分析能力,期望機器...

技術 [Day - 2] 機器學習概論(下)

1.機器學習與人工智能 機器學習是人工智能研究發展到一定階段的必然產物 人工智能”推理期”:只要能賦予機器邏輯推理能力,機器就具有智能 人工智能”知識期”:要使...

技術 [Day - 1] 機器學習概論(上)

1.什麼是機器學習 Arthur Samuel (1959): 一門不需要通過外部程序指示而讓電腦有能力自我學習的學科 Tom Mickell (1997)...

技術 <如何區分 人工智能、機器學習、深度學習 >

在這裡我們簡單介紹一下定義什麼是人工智能、深度學習、以及機器學習。 為了方便初學者理解都用比較易懂的方式做描述。 在這之前,我們必須要先了解程式(Progra...

活動 【AI電腦視覺課程】AI深度學習與影像辨識 ─ 影像預處理到深度學習CNN應用

課程介紹影像辨識領域是近年來深度學習最蓬勃發展的一塊領域,舉凡智慧家居、自駕車、生產瑕疵品檢測、安防監控、醫療影像等應用,都和深度學習影像辨識技術息息相關。而...

鐵人賽 影片教學 DAY 24

技術 人工智慧 (2/2)

[Day 24] 人工智慧3.2:機器學習 (29min)-- 監督式學習 (Supervised Learning) =&gt; 分類 (Classifi...

鐵人賽 AI & Data DAY 28

技術 29 Autoregressive generative model

在前面的 Transformer 的文章中有提到了 auto-regressive 的特質。 在 When Recurrent Models Don't Nee...

鐵人賽 AI & Data DAY 27

技術 28 Transformer

繼 Attention model 之後,由於 recurrent 架構的特性一直無法善用 GPU 的資源做加速。 這時 Google Brain 團隊就看到別...

鐵人賽 AI & Data DAY 26

技術 27 Attention model

繼 Seq2seq model 之後,真正可以做到 end-to-end 翻譯的,很多都是用了 attention model。 Attention model...

鐵人賽 AI & Data DAY 25

技術 26 seq2seq model

前面有提到 seq2seq model,我們就從這邊開始。 Seq2seq model 他採用了 encoder-decoder 架構,這時候就要來點 pape...

鐵人賽 AI & Data DAY 24

技術 25 Recurrent model 之死

當大家正在開心的用著 RNN 跟 LSTM 等等模型之時,就有人跳出來了。 不要再用 RNN 為基礎的模型了!! 就是這篇 The fall of RNN /...