iT邦幫忙

deep learning相關文章
共有 216 則文章

技術 [Day - 13]深度學習概論(2)

Why DL?為什麼擁有大數據的互聯網公司爭相投入大量資源研發深度學習技術什麼是Deep Learning為什麼有Deep Learning它是怎麼來的?又能幹...

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。...

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 13

技術 二、教你怎麼看source code,找到核心程式碼 ep.6:tensorflow的API琳瑯滿目

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 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。...

技術 [Day - 15]深度學習概論4(神經網路的結構與單元感知器)

神經網路的結構 神經網路結構大概如下 我個人是把它從樹狀圖去理解以上圖為例傳統的程式執行順序是由上而下找到唯一解(EX:流程圖)神經網路的執行順序則是由下而上找...

鐵人賽 自我挑戰組 DAY 19

技術 [Day 19] Rust Actix Python 程式呼叫 (2)

今天要帶各位繼續昨天沒完成的功能,也就是程式呼叫和 actix webservice 的 api 串再一起,那麼經過我稍微摸索一下發現其實不難那就讓我們開始吧,...

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 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 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 30

技術 二、教你怎麼看source code,找到核心程式碼 ep.23:Deeplab的model 部署

文章說明 文章分段 文章說明 deeplab的簡單介紹、於我的意義 ep.1 tensorflow的程式碼特色 ep.2 訓練流程的細節 ep.3 逛deep...

技術 [Day - 14]深度學習概論3(視覺系統的信息處理機制)

那它是怎麼學習的呢?怎麼知道哪些特徵好哪些不好呢?我們說機器學習是一門專門研究計算機怎樣模擬或實現人類的學習行為的學科。那人類的視覺系統是怎麼工作的呢?人腦那麼...

技術 Day14 參加職訓(機器學習與資料分析工程師培訓班),Django實作 & 深度學習

上午: AIoT資料分析應用系統框架設計與實作 今日老師教學運用Django框架,將Bootstrap套用的網頁,並建立Static將圖片套用的網頁中 下午:...

技術 課堂筆記 - 深度學習 Deep Learning (1)

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...

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 23

技術 二、教你怎麼看source code,找到核心程式碼 ep.16:如何把tfrecord轉成tf.data的dataset? 4

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...

技術 課堂筆記 - 深度學習 Deep Learning (5) Lab1

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...

鐵人賽 AI & Data DAY 18

技術 二、教你怎麼看source code,找到核心程式碼 ep.11:如何製作tfrecord? 3

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 Big Data DAY 14

技術 Linux 、機器人、自然語言學、演算法、電腦視覺、微波、封包、圖學、預測、Autopilot,汽車界橫空出世的破壞性創新,發展史上看似獨立無關的科技,背後總有個脈絡

上個世紀初福特T型車的流水生產線,開啟了人類移動世代,這個世紀是由擁有多元知識的T型人才,交織出創新的未來, 從2016年9月陸續有人類因為被「主動預防系統預測...

技術 課堂小考 - 深度學習 Deep Learning Q&A(1)

Introduction to Machine Learning Ture and False Deep Learning is part of m...

技術 課堂筆記 - 深度學習 Deep Learning (6) Lab2

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...

鐵人賽 AI & Data DAY 26

技術 二、教你怎麼看source code,找到核心程式碼 ep.19:把tfrecord parse完了,接著做了哪些preprocess? 3

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 21

技術 二、教你怎麼看source code,找到核心程式碼 ep.14:如何把tfrecord轉成tf.data的dataset? 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 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...

鐵人賽 AI & Data DAY 29

技術 二、教你怎麼看source code,找到核心程式碼 ep.22:Deeplab的model 部署

文章說明 文章分段 文章說明 deeplab的簡單介紹、於我的意義 ep.1 tensorflow的程式碼特色 ep.2 訓練流程的細節 ep.3 逛deep...

鐵人賽 AI & Data DAY 1

技術 AI & Data_1(什麼是機器學習)

在介紹之前,我要先自我介紹一下啦!!我是一位軟體工程師,目前從事機器學習的開發,這是我第一次正式參加鐵人挑戰賽,為什麼說是正式呢?因為我去年是自我挑戰組,因為第...

技術 [Day - 17]深度學習概論6(人工神經網路)

人工神經網路基礎型態是前向全連接網路,同時擁有多種變型,這些變形構成了目前深度學習的主要內容。 **卷積網路(CNN)**屬於部分連接網路,是深度學習核心結構之...

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...