iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 554 瀏覽

技術 Setup Mac for Machine Learning (Tensorflow)

Install Visual Studio Coderef: https://code.visualstudio.com1 Download and Insta...

yanminglai ‧ 2024-07-25

0 Like 0 留言 1928 瀏覽

技術在Windows 11 使用autoKeras 並透過GPU加速 (內含不用另外下載檔案的tensorflow-gpu作法)

之所以寫這篇，是因為自己的linux系統是pop-os 22.04，tensorflow版本撞到翻(也有版本直接不支援這個OS...) 而也才發現Tensorf...

e950280 ‧ 2023-11-26

1 Like 0 留言 566 瀏覽

鐵人賽 AI & Data DAY 27

資料分析的硬體以及軟體學習以及成長心得系列第 27 篇

技術機器學習挑戰 - Day 6

續上一篇機器學習挑戰 - Day 5，我們今天繼續詳細研究一下如何套用 tensorflow.keras.sequential 來預測BTC的價格。我想嘗試...

Papii ‧ 2023-10-12 ‧團隊dbt 和 dbt 以外有趣的事

1 Like 0 留言 350 瀏覽

鐵人賽 AI & Data DAY 26

資料分析的硬體以及軟體學習以及成長心得系列第 26 篇

技術機器學習挑戰 - Day 5

續上一篇機器學習挑戰 - Day 4，我們今天繼續詳細研究一下如何套用 tensorflow.keras.sequential 來預測BTC的價格。首先，我...

Papii ‧ 2023-10-11 ‧團隊dbt 和 dbt 以外有趣的事

1 Like 0 留言 704 瀏覽

鐵人賽 AI & Data DAY 25

資料分析的硬體以及軟體學習以及成長心得系列第 25 篇

技術機器學習挑戰 - Day 4

續上一篇機器學習挑戰 - Day 3，我們今天要詳細研究一下如何套用 tensorflow.keras.models的LSTM 來預測BTC的價格。在應用t...

Papii ‧ 2023-10-10 ‧團隊dbt 和 dbt 以外有趣的事

0 Like 0 留言 1004 瀏覽

技術 RTX 30系顯卡 + TF 1.15

30系顯卡終於降價了，來回顧一下怎麼在30系甚至未來的40系的顯卡上繼續使用Tensorflow 1

增廣建文 ‧ 2022-06-29

1 Like 0 留言 7559 瀏覽

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...

I code so I am ‧ 2022-06-06

2 Like 0 留言 6898 瀏覽

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...

I code so I am ‧ 2022-06-05

2 Like 0 留言 7738 瀏覽

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...

I code so I am ‧ 2022-06-03

4 Like 0 留言 8289 瀏覽

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...

I code so I am ‧ 2022-06-01

0 Like 0 留言 4223 瀏覽

鐵人賽 AI & Data DAY 30

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 30 篇

技術【30】使用混合精度(Mixed precision) 對訓練產生的影響

Colab連結一般我們在做機器學習任務時，在模型裡計算的資料型態採用的是 float32 (即佔用32的bits或4個bytes)，而 Nvidia 與 Ba...

Capillary J ‧ 2021-10-14

0 Like 1 留言 5692 瀏覽

鐵人賽 AI & Data DAY 29

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 29 篇

技術【29】遇到不平衡資料(Imbalanced Data) 時使用 SMOTE 解決實驗

Colab連結今天要介紹處理不平衡資料的方法叫 SMOTE (Synthetic Minority Oversampling Technique)，其原理就是...

Capillary J ‧ 2021-10-13

0 Like 1 留言 6250 瀏覽

鐵人賽 AI & Data DAY 28

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 28 篇

技術【28】遇到不平衡資料(Imbalanced Data) 時使用 Oversampling 解決實驗

Colab連結昨天我們使用了降低多數樣本 Undersampling 的方式來解決少數樣本的問題，今天我們要用複製少數樣本 Oversampling 方式來實...

Capillary J ‧ 2021-10-12

0 Like 0 留言 4038 瀏覽

鐵人賽 AI & Data DAY 27

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 27 篇

技術【27】遇到不平衡資料(Imbalanced Data) 時使用 Undersampling 解決實驗

Colab連結不平衡資料集(Imbalanced Dataset) 指的是當你的資料集中，有某部分的 label 是極少數的狀況，在這種狀況下，若單純只用準確...

Capillary J ‧ 2021-10-11

0 Like 0 留言 7018 瀏覽

鐵人賽 AI & Data DAY 26

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 26 篇

技術【26】你都把 Batch Normalization 放在 ReLU 前面還是後面

Colab連結 Batch Normalization 到底要放在激勵函數之前還是之後呢？這是之前我在自己練習規劃架構時遇到的問題，我把這個問題拿去網路上查時，...

Capillary J ‧ 2021-10-10

0 Like 0 留言 2461 瀏覽

鐵人賽 AI & Data DAY 25

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 25 篇

技術【25】ReLU 家族評比個別使用ReLU LeakyReLU PReLU SELU 來訓練

Colab連結今天要來實驗不同的 ReLU 家族的評比，挑戰者有基本 ReLU 尾巴翹起來的 Leaky ReLU 帶有參數控制尾巴的 PReLU 比較新...

Capillary J ‧ 2021-10-09

0 Like 0 留言 2812 瀏覽

鐵人賽 AI & Data DAY 24

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 24 篇

技術【24】如果把 Dropout 放在 CNN 之後會發生什麼事

Colab連結不知道大家有沒有發現，目前現在主流的網路結構中已經愈來愈少看到 Dropout 了，在早期 VGG 還當紅時，Dropout 在 Dense L...

Capillary J ‧ 2021-10-08

0 Like 0 留言 1724 瀏覽

鐵人賽 AI & Data DAY 23

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 23 篇

技術【23】Batch Normalization 使得 Regularizers 無效化？談談這兩者的交互影響

Colab連結昨天我們探討了 L1 與 L2 Regularizers 的問題，但其實啊，Regularizers 還有一個和 Batch Normaliza...

Capillary J ‧ 2021-10-07

0 Like 0 留言 3558 瀏覽

鐵人賽 AI & Data DAY 22

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 22 篇

技術【22】正規化方法 L1 與 L2 Regularizers 的比較實驗

Colab連結正規化 (Regularizers) 是在 Loss Function 中，多加一項權重的懲罰，目的是規範模型在學習過程中，避免權重值過大，達到...

Capillary J ‧ 2021-10-06

0 Like 0 留言 4141 瀏覽

鐵人賽 AI & Data DAY 21

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 21 篇

技術【21】不同的模型權重初始化 (Weight Initialization) 對應的使用方式

Colab連結有關權重如何初始化也是個各派不同的訓練方法，從 tf.keras 官方文檔就看到一大堆的初始化方式，對於開始接觸的人來說，還真是頭痛。我們知道...

Capillary J ‧ 2021-10-05

0 Like 1 留言 4832 瀏覽

鐵人賽 AI & Data DAY 20

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 20 篇

技術【20】從頭自己建一個 keras 內建模型 (以 MobileNetV2 為例)

Colab連結雖然 Tensorflow 提供了幾個預訓練模型讓我們可以很快的完成訓練任務，但是有時候想做一需實驗時(比如說微調 mobilenet 的 CN...

Capillary J ‧ 2021-10-04

1 Like 1 留言 5944 瀏覽

鐵人賽 AI & Data DAY 30

AI Facial Expression Recognition: Data, Model, Application 系列第 30 篇

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...

佑佑來了 ‧ 2021-10-15

1 Like 0 留言 5021 瀏覽

鐵人賽 AI & Data DAY 29

AI Facial Expression Recognition: Data, Model, Application 系列第 29 篇

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...

佑佑來了 ‧ 2021-10-14

0 Like 0 留言 2036 瀏覽

鐵人賽 AI & Data DAY 19

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 19 篇

技術【19】使用 Pooling 和 Conv 來把圖片變小 (subsampling) 的比較實驗

Colab連結早期剛學深度學習時，我們 AlexNet 學到了幾個基本的 CNN, Dense, Pooling, Dropout Layers，其中 Poo...

Capillary J ‧ 2021-10-03

1 Like 0 留言 4951 瀏覽

鐵人賽 AI & Data DAY 28

AI Facial Expression Recognition: Data, Model, Application 系列第 28 篇

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...

佑佑來了 ‧ 2021-10-13

0 Like 0 留言 5610 瀏覽

鐵人賽 AI & Data DAY 18

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 18 篇

技術【18】GlobalAveragePooling 與 Flatten 的差異與比較

Colab連結今天要探討的主題在模型從CNN Layer 轉變成 Dense Layer 時，使用 GlobalAveragePooling (GAP) 與...

Capillary J ‧ 2021-10-02

0 Like 0 留言 3561 瀏覽

鐵人賽 AI & Data DAY 17

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 17 篇

技術【17】訓練到一半遇到 nan 嗎? 梯度爆炸與梯度消失的測試實驗

Colab連結今天大家介紹 Gradient Exploding （梯度爆炸）與 Gradient Vanishing (梯度消失)，並會簡單做個實驗觸發這...

Capillary J ‧ 2021-10-01

0 Like 0 留言 1343 瀏覽

鐵人賽 AI & Data DAY 23

當自然語言處理遇上深度學習系列第 23 篇

技術 [神經機器翻譯理論與實作] 你只需要專注力(II): 建立更專注的seq2seq模型

前言注意力機制讓預測目標單詞之前比較其與所有來源單詞（在翻譯任務中精確地來說是詞向量）之間的語意關聯性來提高翻譯的準確度。今天就讓我們來快速回顧注意力機制的原...

Friedrich1942 ‧ 2021-10-01

0 Like 0 留言 2529 瀏覽

鐵人賽 AI & Data DAY 16

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 16 篇

技術【16】如果把圖片從RGB轉成HSV和灰階再拿去訓練會怎樣

colab連結普遍我們拿來訓練的圖片都是RGB，普遍都是機器學習的CNN層找到一些局部特徵來做分類，這些局部特徵對我們人來說，即使是轉成視覺化的特徵值，依然是...

Capillary J ‧ 2021-09-30

0 Like 0 留言 1370 瀏覽

鐵人賽 AI & Data DAY 15

30 天在 Colab 嘗試的 30 個影像分類訓練實驗系列第 15 篇

技術【15】圖片標準化 [0,1] 與 [-1,+1] 的差別實驗

Colab連結昨天我們實驗了有無做 Normalization 的差異，但我在 stackoverflow 剛好看到一篇精彩的討論，主要爭論的點是我應該把圖片...

Capillary J ‧ 2021-09-29

技術 Setup Mac for Machine Learning (Tensorflow)

技術 在Windows 11 使用autoKeras 並透過GPU加速 (內含不用另外下載檔案的tensorflow-gpu作法)

技術 機器學習 挑戰 - Day 6

技術 機器學習 挑戰 - Day 5

技術 機器學習 挑戰 - Day 4

技術 RTX 30系顯卡 + TF 1.15

技術 同時搞定TensorFlow、PyTorch (四)：模型訓練

技術 同時搞定TensorFlow、PyTorch (三) ：資料前置處理

技術 同時搞定TensorFlow、PyTorch (二) ：模型定義

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

技術 【30】使用混合精度(Mixed precision) 對訓練產生的影響

技術 【29】遇到不平衡資料(Imbalanced Data) 時 使用 SMOTE 解決實驗

技術 【28】遇到不平衡資料(Imbalanced Data) 時 使用 Oversampling 解決實驗

技術 【27】遇到不平衡資料(Imbalanced Data) 時 使用 Undersampling 解決實驗

技術 【26】你都把 Batch Normalization 放在 ReLU 前面還是後面

技術 【25】ReLU 家族評比 個別使用ReLU LeakyReLU PReLU SELU 來訓練

技術 【24】如果把 Dropout 放在 CNN 之後會發生什麼事

技術 【23】Batch Normalization 使得 Regularizers 無效化？談談這兩者的交互影響

技術 【22】正規化方法 L1 與 L2 Regularizers 的比較實驗

技術 【21】不同的模型權重初始化 (Weight Initialization) 對應的使用方式

技術 【20】從頭自己建一個 keras 內建模型 (以 MobileNetV2 為例)

技術 [Day 30] 人臉表情辨識App成果發表與完賽感想

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

技術 【19】使用 Pooling 和 Conv 來把圖片變小 (subsampling) 的比較實驗

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

技術 【18】GlobalAveragePooling 與 Flatten 的差異與比較

技術 【17】訓練到一半遇到 nan 嗎? 梯度爆炸與梯度消失的測試實驗

技術 [神經機器翻譯理論與實作] 你只需要專注力(II): 建立更專注的seq2seq模型

技術 【16】如果把圖片從RGB轉成HSV和灰階再拿去訓練會怎樣

技術 【15】圖片標準化 [0,1] 與 [-1,+1] 的差別實驗

標記使用者

技術在Windows 11 使用autoKeras 並透過GPU加速 (內含不用另外下載檔案的tensorflow-gpu作法)

技術機器學習挑戰 - Day 6

技術機器學習挑戰 - Day 5

技術機器學習挑戰 - Day 4

技術同時搞定TensorFlow、PyTorch (四)：模型訓練

技術同時搞定TensorFlow、PyTorch (三) ：資料前置處理

技術同時搞定TensorFlow、PyTorch (二) ：模型定義

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

技術【30】使用混合精度(Mixed precision) 對訓練產生的影響

技術【29】遇到不平衡資料(Imbalanced Data) 時使用 SMOTE 解決實驗

技術【28】遇到不平衡資料(Imbalanced Data) 時使用 Oversampling 解決實驗

技術【27】遇到不平衡資料(Imbalanced Data) 時使用 Undersampling 解決實驗

技術【26】你都把 Batch Normalization 放在 ReLU 前面還是後面

技術【25】ReLU 家族評比個別使用ReLU LeakyReLU PReLU SELU 來訓練

技術【24】如果把 Dropout 放在 CNN 之後會發生什麼事

技術【23】Batch Normalization 使得 Regularizers 無效化？談談這兩者的交互影響

技術【22】正規化方法 L1 與 L2 Regularizers 的比較實驗

技術【21】不同的模型權重初始化 (Weight Initialization) 對應的使用方式

技術【20】從頭自己建一個 keras 內建模型 (以 MobileNetV2 為例)

技術【19】使用 Pooling 和 Conv 來把圖片變小 (subsampling) 的比較實驗

技術【18】GlobalAveragePooling 與 Flatten 的差異與比較

技術【17】訓練到一半遇到 nan 嗎? 梯度爆炸與梯度消失的測試實驗

技術【16】如果把圖片從RGB轉成HSV和灰階再拿去訓練會怎樣

技術【15】圖片標準化 [0,1] 與 [-1,+1] 的差別實驗