梯度下降的常見算法 (SGD) Stochastic Gradient Descent Algorithm 首先寫入訓練資料,共有N個有M個屬性的exa...
大致了解完理論之後來看例題: Logistic Regression for Binary Classification 假設今天要依照學生的期中期末(...
Logistic regression的介紹 Logistic regression就跟其他的回歸分析一樣,都是預測的分析,不一樣的是他預測的結果會用二...
Gradient Descent – one weight with Bias 上篇的說明當 b=0 時該如何校正w的, 其實基本上大同小異,都是用相同...
在上一篇Error Function中,可以看到依照w的不同決定了線的偏差值多寡,此篇要介紹的是當隨便取了一個值w之後該如何對w進行校正。 Gradient...
Mean Squared Error例題 Training examples (x, y): (1, 1), (2, 3), (4, 4)...
上篇介紹如何依照需要的狀況決定函式,此篇將介紹如何在點與點間尋找回歸線減少偏差值。 Linear Regression Simple Linear Re...
講完機器學習的基礎,接下來是類神經網路訊號的傳遞函式。 Activation Functions Activation Functions(Transf...
使用讀檔方式用python實作PLA Lab2作業需求: 基本上和Lab大同小異,唯一要改的地方就是讀取檔案的部分: from matplotlib i...
用python實作PLA (直接把訓練資料寫進程式裡) 昨天才發現之前就交出去的作業code不小心寫錯一個地方.... 希望扣分不要扣太重... im...
理解機器學習的過程後,來實際理解它的演算法吧 :)上篇所提到的Linear Model中最為基礎的演算法就是PLA,大陸那邊翻譯名字叫感知器 Percept...
簡單了解前導知識後就是正式進入機器學習的幾種模式>> Types Of Learning 1.Supervised Learning:Tra...
前言 PyTorch 是與TensorFlow 並駕齊驅的深度學習框架,功能各有所長,因此,兩個套件通常會一併安裝,有關 TensorFlow 安裝請參看『Da...
Machine Learning 上篇文章有簡單提及Machine Learning的定義: Machine Learning:Algorithms w...
前言 今天接著完成翻譯任務實作的第二階段-模型推論。 翻譯器建立實作 重新評估翻譯模型 上次由於輸入特徵 X 以及原始句對並非一一對應,造成了 BLEU 分數低...
前言 今天會將昨天訓練好的翻譯模型在測試資料集進行預測,若進度符合期待,將會使用 BLEU 分數來評估模型的翻譯能力,關於此評測機制的詳細原理與範例程式碼可見下...
前導介紹說到深度學習,首先需要了解什麼是類神經網路和它的操作方法。類神經網路,顧名思義就是仿造人類的神經而去打造而成的演算法,讓其能夠透過像是神經傳導一樣接收...
前言 今天的內容依舊為訓練翻譯 seq2seq 神經網絡的歷程( training process )。 機器學習的兩大階段-訓練(training)與推論(...
前言 今天繼續建立英翻中神經網絡的實作。 翻譯器建立實作 建立資料集(續) 首先引入必要的模組以及函式: from tensorflow.keras.prepr...
可能經過一些介紹後,大家還是多多少少會覺得"深度學習"聽起來是深奧難懂的概念,不過台大電機系教授李宏毅曾說過:「深度學習也就是三個步驟:建構網路、設定目標、開始...
-1. Google store link 這七天做的app上架囉! 歡迎下載https://play.google.com/store/apps/detail...
前言 有了App介面和tflite model with metadata之後,App的核心功能!靈魂!終於要被我實現了! 影像辨識程式碼實作 載入深度學習...
前面說到深度學習(Deep Learning)是實現機器學習(ML)的一個技術,它使用的算法類似於人腦中使用神經元的方式,分為 DNN、CNN 和 RNN 三種...
0. 前言 距離真正完成表情辨識的App,只差把辨識圖像的功能實作出來,在這裡我們必須將Day21存好的TFLite模型拿出來,製作出含有metadata的TF...
前言 也許你會覺得,這個標題下得很神經。沒錯!因為今天要正式進入新的主題-神經機器翻譯。我們今天將會從機器翻譯這個課題出發,綜覽在自然語言處理的發展中機器翻譯演...
前言 不知不覺,鐵人賽的賽程已經來進行了一半,每天發文使得生活過得非常充實。也感謝這裡的許多高手發表優質文章,讓第一次參賽又是跨IT領域的自己感到無比熱血。大家...
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(Now) 訓練輪數(To do) 模型深度(...
0. 進度條 模型 進度 VGG Net 完成 ResNet 完成 DensNet 完成 MobileNet 完成 Efficie...
上一篇我們的基因體時代-AI, Data和生物資訊 Day03- 基因醫學的數據問題介紹了基因醫學中的數據問題,實際上面對DNA的序列ATCG,我們是在想什麼問...
初次接觸AI時,常常會聽到數據分析、資料科學、機器學習、深度學習,一堆專有名詞,倒底是甚麼碗糕? 有何差別? 可以吞得下去嗎? 會不會消化不良? 資料科學(Da...