iT邦幫忙

deep learning相關文章
共有 189 則文章

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...

達標好文 技術 同時搞定TensorFlow、PyTorch (一) :梯度下降

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 [筆記]Tensorflow-Lesson9_自動編碼器(Auto Encoder)

前言 在上一章介紹了PCA降維,但PCA是計算整體的特徵,然而主要特徵如果相同,而降為時非常細微的特徵被忽略掉,這時候PCA就無法達到所需的降維要求。而在人工智...

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...

技術 [筆記]Tensorflow-Lesson10_變分自動編碼器(Variational Autoencoder)_20190706

前言 網路上有許多介紹VAE的文章與影片,但許多解釋公式都無法得知為什麼,但這也是個人對於看paper的功力太差所以才能努力爬文觀看他人解析,而最後終於找到一個...

Towards Tensorflow 2.0 系列 第 21

技術 [Day-21] Wide & Deep 推薦系統實作

今天討論的主題主要是Google這篇曾經在2016年release 在Google Play的app上所做的推薦系統,而他有被open source 在 Ten...

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...

Towards Tensorflow 2.0 系列 第 4

技術 [Day-4] Tensorflow 基本語法 - Part III

今天會開始說明一下資料處理及數值運算。接下來就會開始進入基本ML及DL了。大夥撐著!把一些基本語法弄熟,之後會更容易上手,且更知道如何去修改一些tutorial...

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...

鐵人賽 AI & Data DAY 10

技術 二、教你怎麼看source code,找到核心程式碼 ep.4:trace code

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 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...

Towards Tensorflow 2.0 系列 第 23

技術 [Day 23] AutoEnoder 實作

今天來實作昨天討論的AutoEncoder,簡單複習一下,AutoEndoer的架構其實就如同下圖source Input 資料後,會放到Neural Netw...

Towards Tensorflow 2.0 系列 第 22

技術 [Day-22] Unsupervised Learning - AutoEnocder介紹

今天開始,我們來聊聊非監督式的學習。前面所提的演算法,大部分都是監督式學習,也就是通常都是Label好的資訊 (Ex: 透過已經蒐集到的股價資訊或者已經Labe...

技術 OpenPose 安裝筆記

Environment python 3.7 cuda 11.5 cudnn 8.3.2.44 cmake 3.12 or newer OS Windows1...

鐵人賽 AI & Data DAY 30

技術 [落幕結語] 第一次參加鐵人賽心得

參加鐵人賽完全是一個契機,優秀好同事兼朋友 Rex 在報名最後一天的問我要不要參加,思考了一下,覺得是有東西想說的,大概擬了主題和大綱,就加入這屆 iT 邦幫忙...

鐵人賽 AI & Data DAY 30

技術 [Day 30] 人臉表情辨識App成果發表與完賽感想

-1. Google store link 這七天做的app上架囉! 歡迎下載https://play.google.com/store/apps/detail...

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 /...

技術 [筆記]Tensorflow-Lesson11_生成式對抗網路(Generative Adversarial Network)

前言 這次使用了之前介紹的CNN模型下去修改。主要參考[1]李弘毅老師的影片(內容圖文並茂),和[3]是屬於比較少圖片說明,但兩者其實大同小異,如果喜歡看公式可...

鐵人賽 AI & Data DAY 24

技術 [魔法小報] 用圖表呈現深度學習的商業應用價值

在 魔法陣系列 中,有說明不同魔法陣的應用例子,而這篇想用圖表來帶出整體深度學習的應用幅度,讓各位準魔法使們一覽在深度學習在各行業的魔法效果有多強大。 深度學...

鐵人賽 AI & Data DAY 28

技術 [Day 28] Android Studio 七日隕石開發:把 tflite 模型放進 app

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...

技術 資料科學、資料探勘、機器學習、深度學習是甚麼碗糕?

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...

鐵人賽 AI & Data DAY 29

技術 [Day 29] Android Studio 七日隕石開發:影像辨識功能實作!

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...

鐵人賽 AI & Data DAY 19

技術 [Day 19] 還是學不會,再縮小一點 ~ (學習率衰減)

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(...

鐵人賽 AI & Data DAY 14

技術 15 為什麼要深?

接著我們就來到了蠻重要的問題,既然一個 hidden layer 的網路架構就可以逼近任何連續函數,那麼為什麼要深度學習? 對於這個問題,台大李宏毅老師有非常詳...

鐵人賽 AI & Data DAY 13

技術 [Day 13] 從 tensorflow.keras 開始的 EfficientNet 生活

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

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 12

技術 tensorflow 使用tf.estimator, tf.data常見錯誤

文章說明 文章分段 文章說明 錯誤列表 今天想要列出我之前遇到的tensorflow有關的錯誤。 錯誤列表 TypeError: local_variabl...

鐵人賽 Big Data DAY 10

技術 自幹自動駕駛靠不靠譜?OpenCV電腦視覺接深度學習「看路循著車道修正含多路」的狀況是如何?有影片有真相___當然是這位開創者的

連俄羅斯美女主播都有興趣,早在2015年12月就報導喬治霍茲,這位26歲就被Tesla伊隆馬斯克找去發展自動駕駛,談不攏沒合作、自己獨立開發出自動駕駛系統、自立...

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 3

技術 AI & Data_3(機器學習的數學基礎)

機器學習的數學基礎不外乎就是離散數學或是線性代數(我沒學過這兩個科目,但我修過工程數學)。所以沒學過的朋友建議先去了解一下離散數學或是線性代數,才不會看到一堆數...