iT邦幫忙

deep learning相關文章
共有 189 則文章
鐵人賽 AI & Data DAY 21

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...

鐵人賽 AI & Data DAY 20

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...

鐵人賽 AI & Data DAY 25

技術 [從Keras框架與數學概念了解機器學習] - 25. 必學概念 - Logistic Regression Multi-class Classification

上一篇文章提到了 logistic single classification,解釋如何實現的一些細節。接下來要探索的是邏輯斯多類別分類。 如果Logisti...

鐵人賽 AI & Data DAY 19

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...

鐵人賽 自我挑戰組 DAY 9
不同的AI 系列 第 9

技術 和偶像合照不在是夢!AI換臉

AI換臉原理 AI換臉是🐸的臉去取代🐷的臉,會從提供的素材中個別提取🐷的面部特徵和表情進行編碼,例如:🐷特徵:皺紋、黑眼圈、痣、大餅臉等.....進行編碼⁠→🐷...

鐵人賽 AI & Data DAY 24

技術 [從Keras框架與數學概念了解機器學習] - 24. 必學概念: Logistic Regression Classification

將概念擺在這個位置的目的,就是希望能夠呼應建構keras模型時的運作,並於自己呼叫keras API 時,知道自己在做什麼。 當概念在腦海裡,搭配前面的章節,...

鐵人賽 AI & Data DAY 17

技術 Day 17 煉丹爐開始煉丹啦 - 訓練神經網路

現在我們有了一個模型和數據,是時候通過優化模型的參數來訓練、驗證和測試我們的模型了。訓練模型是一個迭代的過程;在每一次迭代中,模型對輸出進行猜測,計算其猜測的錯...

鐵人賽 自我挑戰組 DAY 6
不同的AI 系列 第 6

技術 別太常用chat gpt了!!!!聽聽‘它’的想法吧

指令:以第一人稱介紹chat gpt 我是ChatGPT,一個智能語言模型。我可以回答問題、提供建議、寫作文字,並參與有意義的對話。請隨時問我任何你想知道的事情...

鐵人賽 AI & Data DAY 21

技術 [從Keras框架與數學概念了解機器學習] - 21. 實例應用-集團銷售資料分析

經過前20節的文章,了解模型訓練與預測相關運作後,接著實例應用並比較幾種損失函數與optimizer的搭配比較。這邊拿某集團企業的銷售資料訂單來做訓練範例。...

鐵人賽 自我挑戰組 DAY 5
不同的AI 系列 第 5

技術 Chat GPT基本常識,不知道就落伍了!

chat gpt是什麼? chat gpt是一種對話系統,使用這需輸入問題,再透過chat gpt轉換成電腦可解讀的語言,進而回答使用者的問題。 chat gp...

鐵人賽 AI & Data DAY 14

技術 Day14 創建神經網路的魔法

torch.nn 命名空間提供了構建自己的神經網路所需的所有基本組件。在PyTorch中,每個模組都是 nn.Module 的子類別。神經網路本身也是一個模組,...

鐵人賽 AI & Data DAY 12

技術 Day 12 我們需要一個資料搬運工

今天介紹如何創建一個 DataLoader,它的用途是在每次模型學習時將要學習的資料搬到模型裡,首先我們先指定存在硬碟中的資料夾路徑: train_path =...

鐵人賽 AI & Data DAY 1

技術 【Day 02】什麼是 TensorFlow?如何建立簡單開發環境?

零、橫空出世的 TensorFlow   在深度學習(Deep Learning)的發展初期,在開發時往往需要大量的程式碼、以及高規格的硬體設施成本,使得深度學...

鐵人賽 AI & Data DAY 9

技術 Day9 現實走進數位 (視覺)

昨天介紹了 pytorch 的基本單元 tensor,那麼我們要如何應用現實中的資料呢?可以思考一下,我們平常用了哪些器官來認知這個世界呢?有眼睛、耳朵、肌膚等...

鐵人賽 AI & Data DAY 8

技術 Day8 深度學習常提到的張量是什麼?

Day4~7 我們將深度學習的流程快速跑過一遍,其中有很多細節省略了,接下來幾天詳細介紹比較重要的元素,若是有我未提及的歡迎在留言區提問。 Tensors 國高...

鐵人賽 AI & Data DAY 7

技術 Day 7 儲存匯入模型和預測

儲存模型 儲存序列化模型內部狀態和權重,命名為model.pth,程式碼如下: torch.save(model.state_dict(), "mod...

鐵人賽 AI & Data DAY 6

技術 Day 6 調教你的AI模型(Pytorch)

要產生機器學習的模型會有下面幾個步驟,深度學習是機器學習的一種,因此產生模型的過程也會與這些步驟相似: 訓練:隨機初始化參數,根據每次結果的好壞來調整模型。...

鐵人賽 AI & Data DAY 5

技術 Day 5 使用Pytorch建立模型

設定要運行AI的裝置 pytorch 提供一些方法來抓取電腦上有的裝置: torch.cuda.is_available():檢查電腦是否有可以使用cuda...

鐵人賽 AI & Data DAY 4

技術 Day 4 透過 Pytorch 中的 torchvision 讀取資料

Pytorch 的流程 流程大致上可以分成以下六個步驟: 資料準備 建立模型 擬合模型到準備好的資料(Train) 評估模型(Evaluate)...

鐵人賽 AI & Data DAY 2

技術 Day2 什麼是深度學習

人工智慧的由來 人工智慧這個名詞在近十年很常聽到,其實早在1956年達特矛斯會議就定義了「人工智慧」這名詞,但是人工智慧並不是一路順遂,在1974年~1980年...

鐵人賽 AI & Data DAY 1

技術 Day1 為什麼教女友深度學習?

Day1 為什麼是教女友深度學習? 前言 大家好,我叫彼得。碩士時期開始接觸人工智慧(機器學習和深度學習)的領域,從專案學習的好處是基本上都是實作,但是也覺察我...

技術 PyTorch 2.0 發布與新功能測試

前言 PyTorch研究團隊宣布2022/12/02要推出PyTorch 2.0,2023/03/15 正式推出,主要訴求特點: 速度更快。 與Python整...

鐵人賽 AI & Data DAY 30
PyTorch 生態鏈實戰運用 系列 第 30

技術 [Day30] 結語:回歸初心,資料是一切的根本

前言 滿多預計要討論的其他Task最後都沒有實作到,居然意外變成是純粹以Classification為例的深度學習實作範例了!在此作為系列篇的最後一篇,打算分享...

鐵人賽 Software Development DAY 19
大閘蟹料理指南(rust) 系列 第 19

技術 [D19] 可以在Rust裡搞 AI 嗎?

AI in rust接下來幾天筆者會開始實作gobblet的 AI. 在進入實作的部分前, 我們可以先來聊聊 rust 或著更擴展的說其他語言相較於 pytho...

鐵人賽 AI & Data DAY 13
PyTorch 生態鏈實戰運用 系列 第 13

技術 [Day13] 資料預處理機制與優化 - 硬體篇

前言 本日的文章打算來講一些資料讀取的機制以及優化的方式。 資料流與硬體 先上一個目前所採用的Training/Validation,在每一次進行時的資料流簡易...

鐵人賽 AI & Data DAY 2

技術 [Day02] Containerized Development for Deep Learning

前言 本日的重點就是介紹個人所使用的Containerized Development框架,說穿了就是分享個人所使用的DockerFile與Docker Com...

鐵人賽 AI & Data DAY 1

技術 [Day01] PyTorch 生態鏈實戰運用 - 系列文概要

前言 PyTorch是目前產學界都十分活耀的深度學習框架,其中很大的一個原因來自於他豐富的生態鏈。本系列文將以醫療影像為例,介紹多個套件所共同組合出的實戰運用。...

技術 同時搞定TensorFlow、PyTorch (四):模型訓練

同時搞定TensorFlow、PyTorch (一):梯度下降。 同時搞定TensorFlow、PyTorch (二):模型定義。 同時搞定Tensor...

技術 同時搞定TensorFlow、PyTorch (三) :資料前置處理

同時搞定TensorFlow、PyTorch (一):梯度下降。 同時搞定TensorFlow、PyTorch (二):模型定義。 同時搞定Tensor...

技術 同時搞定TensorFlow、PyTorch (二) :模型定義

同時搞定TensorFlow、PyTorch (一):梯度下降。 同時搞定TensorFlow、PyTorch (二):模型定義。 同時搞定Tensor...