iT邦幫忙

深度學習相關文章
共有 180 則文章
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 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 /...

鐵人賽 AI & Data DAY 21

技術 22 Convolutional encoder-decoder 架構

標題這不是一個專有名詞。 在電腦視覺的領域中有幾個有名的問題: 影像辨識(Image recognition) 物件辨識(Object detection)...

鐵人賽 AI & Data DAY 20

技術 21 Activation functions and ReLU

今天我們來談談 activation function 吧! 先談談線性轉換 談 activation function 之前先要談談線性轉換。 有上到比較後面...

鐵人賽 AI & Data DAY 19

技術 20 Convolutional neural network

Convolution layer 這邊我們回到我們的 convolution layer,如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢? 我們先來看...

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 15

技術 16 深度學習其實是一種 Representation learning

機器學習的技術已經發展了非常久的時間,我們有非常多的模型可以幫我們做預測,包含像是 regression、classification、clustering、s...

鐵人賽 AI & Data DAY 14

技術 15 為什麼要深?

接著我們就來到了蠻重要的問題,既然一個 hidden layer 的網路架構就可以逼近任何連續函數,那麼為什麼要深度學習? 對於這個問題,台大李宏毅老師有非常詳...

達標好文 技術 [筆記]深度學習(Deep Learning)-捲積神經網路

前言 這次要介紹捲積神經網路CNN,常用於取得影像特徵.辨識等等用途,這次簡單的介紹捲積網路,一樣使用O'REILLY Deep Learning書籍,但在捲積...

活動 AIoT智能物聯網平台開發工程師養成計畫【待業轉職者職前訓練】

本課程複製業界實務經驗,完整教你如何實現物聯網的感知層、網路層、應用層開發;並結合Python機器學習與深度學習,建構預測模型實現AI智能物聯網;更進一步帶你實...

達標好文 技術 [筆記]深度學習(Deep Learning)-神經網路學習

前言 本相關筆記幾乎都來自於O'REILLY Deep Learning這本書籍,詳細內容有興趣的可以去網上購買。在上一章主要講到了梯度和偏微分,這次主要解釋如...