iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 652 瀏覽

技術使用 TFX、Kubeflow pipeline和 Cloud Build 的 MLOps 架構

此篇主要講述如何使用TXF(TensorFlow Extended) library的ML整體架構，並且在CI/CD還有CT的原則下使用 Cloud Build...

jas8411 ‧ 2025-08-04

1 Like 0 留言 1129 瀏覽

技術梯度下降法(10) -- 總結

TensorFlow官網首頁的範例只有短短的10多行，但是每一行指令及參數都內含許多玄機，雖然我們在前面已回答及實驗許多核心問題，但還是有一些疑問待探討，以下就...

I code so I am ‧ 2025-06-22

0 Like 0 留言 1045 瀏覽

技術梯度下降法(9) -- 損失函數

個人認為，損失函數是神經網路最重要的核心，當我們定義好一個損失函數，梯度下降法就會想辦法最小化損失函數，求得最佳解，例如第五篇的聯立方程式，定義每個方程式的損失...

I code so I am ‧ 2025-06-19

0 Like 0 留言 777 瀏覽

技術梯度下降法(8) -- Activation Function

Activation Function是將線性迴歸轉換為非線性函數，使神經網路更具通用性(Generalization)，類似Kernel PCA及Kernel...

I code so I am ‧ 2025-06-15

1 Like 0 留言 1046 瀏覽

技術梯度下降法(7) -- 優化器(Optimizer)

上篇探討學習率的調整，接著討論優化器對模型訓練的影響。優化器(Optimizer) 優化(Optimization)是以最小化損失函數為目標，尋找模型參數的最...

I code so I am ‧ 2025-06-12

0 Like 1 留言 1109 瀏覽

技術梯度下降法(6) -- 動態調整學習率

魔鬼藏在細節裡，要讓模型訓練更快速、更準確，必須進一步掌握模型的超參數(Hyperparameters)設定，包括如何動態調整學習率、選用各種優化器、損失函數、...

I code so I am ‧ 2025-06-10

1 Like 0 留言 960 瀏覽

技術徹底理解神經網路的核心 -- 梯度下降法的應用 (5)

前四篇介紹梯度下降法，對神經網路求解，這次再舉幾個例子，幫助我們更靈活的應用梯度下降法，包括：以自動微分實作手寫阿拉伯數字辨識，結合TensorFlow/K...

I code so I am ‧ 2025-06-08

1 Like 0 留言 981 瀏覽

技術徹底理解神經網路的核心 -- 梯度下降法 (4)

上一篇自行開發梯度下降法找到最佳解，這次我們使用TensorFlow低階API進行自動微分(Automatic Differentiation)，並實作多元線性...

I code so I am ‧ 2025-06-05

3 Like 0 留言 1011 瀏覽

技術徹底理解神經網路的核心 -- 梯度下降法 (3)

前兩篇梯度下降法的求解都隱藏在一行程式碼 model.fit 中，這次使用自行開發實作梯度下降法，以瞭解內部求解的邏輯。梯度下降法的作法梯度下降法是利用正向...

I code so I am ‧ 2025-06-04

3 Like 0 留言 1099 瀏覽

技術徹底理解神經網路的核心 -- 梯度下降法 (2)

上一篇介紹神經網路的基本概念，這次透過簡單的範例理解梯度下降法的運作。最簡單的神經網路範例. 以神經網路建構攝氏與華氏溫度轉換的模型，我們收集7筆資料如下：...

I code so I am ‧ 2025-06-03

5 Like 0 留言 1623 瀏覽

技術徹底理解神經網路的核心 -- 梯度下降法 (1)

神經網路(Neural Network)是深度學習的基石，不管是大語言模型(ChatGPT)或生成式AI(MidJourney、Stable Diffusion...

I code so I am ‧ 2025-06-02

0 Like 0 留言 638 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 2519 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 767 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 526 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 1025 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 1181 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 8065 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 7614 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 8255 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 9409 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 5241 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 6375 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 6890 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 4300 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 7522 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 2926 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 3327 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 1964 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 3873 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

技術 使用 TFX、Kubeflow pipeline和 Cloud Build 的 MLOps 架構

技術 梯度下降法(10) -- 總結

技術 梯度下降法(9) -- 損失函數

技術 梯度下降法(8) -- Activation Function

技術 梯度下降法(7) -- 優化器(Optimizer)

技術 梯度下降法(6) -- 動態調整學習率

技術 徹底理解神經網路的核心 -- 梯度下降法的應用 (5)

技術 徹底理解神經網路的核心 -- 梯度下降法 (4)

技術 徹底理解神經網路的核心 -- 梯度下降法 (3)

技術 徹底理解神經網路的核心 -- 梯度下降法 (2)

技術 徹底理解神經網路的核心 -- 梯度下降法 (1)

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

標記使用者

技術使用 TFX、Kubeflow pipeline和 Cloud Build 的 MLOps 架構

技術梯度下降法(10) -- 總結

技術梯度下降法(9) -- 損失函數

技術梯度下降法(8) -- Activation Function

技術梯度下降法(7) -- 優化器(Optimizer)

技術梯度下降法(6) -- 動態調整學習率

技術徹底理解神經網路的核心 -- 梯度下降法的應用 (5)

技術徹底理解神經網路的核心 -- 梯度下降法 (4)

技術徹底理解神經網路的核心 -- 梯度下降法 (3)

技術徹底理解神經網路的核心 -- 梯度下降法 (2)

技術徹底理解神經網路的核心 -- 梯度下降法 (1)

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