iT邦幫忙

deep learning相關文章
共有 189 則文章
鐵人賽 AI & Data DAY 22

技術 [魔法陣系列] Generative Adversarial Network(GAN)之應用場景

Yann LeCun (Facebook AI 研究院院長)曾對 GAN 表示讚賞: The most important one, in my opi...

鐵人賽 AI & Data DAY 21

技術 [魔法陣系列] Generative Adversarial Network(GAN)之術式解析

在上篇介紹 AutoEncoder 的應用時有提到 VAE(Variational Autoencoder) 可以生成圖片,但是它有一些限制。VAE 實際上沒有...

鐵人賽 AI & Data DAY 20

技術 [魔法陣系列] AutoEncoder 之應用場景

在 [魔法陣系列] AutoEncoder 之術式解析 裡介紹了 AutoEncoder 魔法陣以及其變形夥伴們,對於 AutoEncoder 應用只用寥寥幾句...

鐵人賽 AI & Data DAY 19

達標好文 技術 [魔法小報] 機器學習路上的強力支援們(網路學習資源推薦)

不重要之交代:因為這兩天在台南抓寶可夢,所以出刊的比較晚,來抓寶可夢的外國人也好多呀~ 如果你跟我一樣追尋著 Data Scientist 的目標,你大概有...

鐵人賽 AI & Data DAY 18

技術 [實戰系列] 使用 Keras 搭建一個 Denoising AE 魔法陣(模型)

基於教學性,本文選擇實作 Denoising AE,基於 Keras 官方提供的 tutorial 來做演練。 Denoising AE 是一種學習對圖片去噪(...

鐵人賽 AI & Data DAY 17

技術 [魔法陣系列] AutoEncoder 之術式解析

在上篇 [魔法小報] 深度學習 vs. 傳統機器學習的文末稍微提到可以用 AutoEncoder 做降維(Dimension Reduction),於是乎,本篇...

鐵人賽 AI & Data DAY 16

達標好文 技術 [魔法小報] 深度學習 vs. 傳統機器學習

今天來談談深度學習跟傳統機器學習的比較,主要從 Data、計算資源、特徵萃取 等三個方向進行討論。 深度學習(Deep Learning)的成功主要是基於大量可...

鐵人賽 AI & Data DAY 15

達標好文 技術 [實戰系列] 使用 Keras 搭建一個 LSTM 魔法陣(模型)

[魔法陣系列] Recurrent Neural Network(RNN)之術式解析 中介紹了: Simple RNN LSTM GRU 本篇文章要帶各位見...

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 14

達標好文 技術 [魔法陣系列] Recurrent Neural Network(RNN)之術式解析

Recurrent Neural Network(RNN)是神經網絡的一種,常應用在處理時間、空間序列上有強關聯的訊息,尤其在 NLP (Natural Lan...

鐵人賽 自我挑戰組 DAY 14
Machine Learning 學習筆記 系列 第 14

技術 [第十四天] 深度學習淺介

接下來要開始探索深度學習(deep learning)究竟AlphaGO是如何辦到的?!再了解電腦如何擁有類似人類的神經網路系統可以去學習與修正前先來了解一下歷...

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 13

技術 [實戰系列] 使用 Keras 搭建一個 CNN 魔法陣(模型)

[魔法陣系列] Convolutional Neural Network(CNN)之術式解析 中提到 CNN 由下列所組成: Convolution Oper...

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 12

技術 [魔法陣系列] 王者誕生:AlexNet 之術式解析

在上一篇前言提到 AlexNet 是一個歷史分水嶺,這是由於在 AlexNet 之前,Deep Learning 已經沈寂很久,而在2012年的 ImageNe...

鐵人賽 AI & Data DAY 11

技術 [魔法陣系列] Convolutional Neural Network(CNN)之術式解析

2012年,Alex Krizhesky 和 Geoff Hinton 提出的 AlexNet 在 ImageNet 的圖像分類競賽中以巨大優勢贏得冠軍,使 C...

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 10

技術 [魔王出沒] 深度學習中的魔王軍簡介

其實這篇應該先寫於《精進魔法》系列之前的,但沒關係,只要有 [地圖] 深度學習世界的魔法陣們 指引,你能夠照你想要挑戰的項目去學習。 以下介紹深度學習的魔王們,...

鐵人賽 AI & Data DAY 9

技術 [精進魔法] Optimization:優化深度學習模型的技巧(下)- Batch Normalization

本文主題是「Batch Normalization」,Ian Goodfellow 大大在《Deep Learning》一書中是這麼描述 Batch Norma...

鐵人賽 AI & Data DAY 8

技術 [精進魔法] Optimization:優化深度學習模型的技巧(中)- Adaptive Learning Rates

前情提要 在 [精進魔法] Optimization:優化深度學習模型的技巧(上)一文中提及了下面三種優化 deep learning 模型的作法: Batc...

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 7

技術 [精進魔法] Optimization:優化深度學習模型的技巧(上)

上篇提到怎麼避免 Overfitting 的技巧,本文要帶給大家的是如何優化深度學習,提高模型的效能。 Batch & Mini batch 深度學習每...

鐵人賽 AI & Data DAY 6

技術 [精進魔法] Regularization:減少 Overfitting ,提高模型泛化能力

當開始興致勃勃的嘗試畫魔法陣,搭建神經網絡模型時,也許會遇到下面的情形: 哥布林之吶喊:我明明在訓練集表現很好啊,為什麼實際上線時結果卻崩潰了(抱頭) 那你...

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 5

技術 [實戰系列] 使用 TensorFlow 搭建一個 ANN 魔法陣(模型)

有了先前的 ANN 魔法陣教學後,該是來讓各位見習魔法使實戰演練了,前情提要請參見: [魔法陣系列] Artificial Neural Network (A...

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 AI & Data DAY 4

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式啟動

上篇介紹 ANN 魔法陣結構:輸入層(Input Layer)、隱藏層(Hidden Layer)及輸出層(Output Layer)。此外,也解釋了神經元與激...

鐵人賽 AI & Data DAY 18

技術 19 Convolution 運算

熱身運動都做好了,接下來我們就一路往影像處理上的重要技術 CNN 前進啦! Convolutional neural network,顧名思義,他是一種神經網路...

鐵人賽 AI & Data DAY 3

技術 [魔法陣系列] Artificial Neural Network (ANN) 之術式解析

第一個魔法陣:Artificial Neural Network (ANN, 1943) 首先先來看看 ANN 的結構: 圖片來源:https://hack...

鐵人賽 AI & Data DAY 2

達標好文 技術 [地圖] 深度學習世界的魔法陣們

剛開始研究 deep learning 時,正好是 AlphaGo 跟南韓棋士李世乭對戰(2016年3月8日到3月15日)的前一兩個月,那時我們小組嘗試用 CN...