技術 Day29 使用 mobileNet 來訓練時尚資料集

前面的部分與之前的程式碼相同，解析 csv 的資訊： import pandas as pd import numpy as np import os from...

技術 Day 21 卷積的好哥們 - 池化

在圖像處理中，可以對圖像進行降採樣以減少像素數量，從而減少圖像的大小，而仍然保留足夠的細節以進行分析或顯示，平均池化(average pooling)和最大池化...

技術 Day 20 認識卷積神經網路中的"卷積"

之前有介紹過，在nn.Linear線性層中，輸入的圖片會攤平成 1D 的向量，並與權重進行矩陣相乘，模型輸出張量的值代表：針對該輸入圖片，求出所有像素的加權總合...

技術 Day 19 卷一卷或許準一點 - 卷積神經網路

Day 17 煉丹爐開始煉丹啦 - 訓練神經網路 介紹整個訓練的流程，但是準確率大概在 75% 左右就到極限了，因此今天加入了卷積神經網路。 定義網路時會寫兩個...

技術 【Day 23】卷積神經網路 (Convolutional neural network)

今日大綱 卷積神經網路 (CNN) 卷積層 (Covolution layer) 池化層 (Pooling layer) 攤平(Flatten layer)...

技術 [D15] CNN

CNN 是卷積神經網絡（Convolutional Neural Network）的簡稱，在影像辨識的領域中，一定要認識 CNN！ 圖片出處 如上圖所示，CNN...

技術 [Day 18] 我會把我的over fitting，drop好drop滿

前言 走過了資料分析、演算法選擇後，我們得知了有些可以改善模型的方向: 解決資料不平衡(Done) 學習率的設定(To do) 訓練輪數(To do) 模型深...

技術 [Day 12] 從 tensorflow.keras 開始的 MobileNet 生活

0. 進度條 模型 進度 VGG Net 完成 ResNet 完成 DensNet 完成 MobileNet 此篇 Efficie...