iT邦幫忙

tensorflow相關文章
共有 240 則文章
0 Like 0 留言 4965 瀏覽
鐵人賽 AI & Data DAY 20
AI Facial Expression Recognition: Data, Model, Application 系列 第 20 篇

技術 [Day 20] 兩段式訓練比兩段式左轉更安全 (遷移學習技巧)

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(Done) 訓練輪數(Nice to hav...

佑佑來了 ‧ 2021-10-05
0 Like 1 留言 4015 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
0 Like 0 留言 1571 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
0 Like 0 留言 4702 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 977 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 2604 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 3934 瀏覽
鐵人賽 AI & Data DAY 16
AI Facial Expression Recognition: Data, Model, Application 系列 第 16 篇

技術 [Day 16] 我的資料哪有這麼平衡！第一季 (data augmentation)

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 學習率的設定 訓練輪數 模型深度 階段式訓練 今天我要來著手處理資料...

佑佑來了 ‧ 2021-10-01
0 Like 0 留言 1882 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
2 Like 1 留言 2449 瀏覽
鐵人賽 AI & Data DAY 30
從 AI 落地談 MLOps 系列 第 30 篇

技術 Day 30 : 綜合整理 MLOps 成熟度模型

MLOps 是值得持續投入的新興學門，如同 Day 01 談到的此系列目的，談如何從佈署機械學習至商業情境(ML in Production)，並關注佈署之...

威利斯 ‧ 2021-09-30
0 Like 0 留言 887 瀏覽
鐵人賽 AI & Data DAY 14
然後模型就死在 Jupyter Notebook 了 (ಥ﹏ಥ) 系列 第 14 篇

技術 [Day 14] Audit perfomance — 模型也要期末稽核༼ಢ_ಢ༽

It is only our conception of time that makes us call the Last Judgement by this...

chihying ‧ 2021-09-29
0 Like 0 留言 1091 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
0 Like 0 留言 1514 瀏覽
鐵人賽 AI & Data DAY 29
從 AI 落地談 MLOps 系列 第 29 篇

技術 Day 29 : 用於生產的 TensorFlow Extended (TFX) 實作

用於生產的機械學習系統，在 Day 28 介紹 TensorFlow Extended (TFX) 解決方案，是專門用於可擴充的高效能機器學習工作，包括建立模...

威利斯 ‧ 2021-09-29
0 Like 0 留言 3333 瀏覽
鐵人賽 AI & Data DAY 14
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 14 篇

技術 【14】如果不做圖片標準化(Normalization)會怎麼樣

Colab連結 圖片標準化 Image Normalization 不做可以嗎？小實驗實測差別 一般我們在處理大部分的機器學習問題時，我們都會將輸入的資料特徵做...

Capillary J ‧ 2021-09-28
0 Like 0 留言 1891 瀏覽
鐵人賽 AI & Data DAY 28
從 AI 落地談 MLOps 系列 第 28 篇

技術 Day 28 : 用於生產的機械學習 TensorFlow Extended (TFX) 介紹

什麼是 TensorFlow Extended (TFX) TensorFlow Extended (TFX) 是端對端平台，可部署於用於生產環境中的機器學習...

威利斯 ‧ 2021-09-28
0 Like 0 留言 2496 瀏覽
鐵人賽 AI & Data DAY 13
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 13 篇

技術 【13】模型套不套用資料增強 (Data Augmentation) 的比較實驗

Colab連結 資料增強(Data Augmentation)，是一個當今天資料集樣本不多時，透過調整亮度、剪裁、角度等手法來增加多樣性的好方法，Tensorf...

Capillary J ‧ 2021-09-27
0 Like 0 留言 2111 瀏覽
鐵人賽 AI & Data DAY 27
從 AI 落地談 MLOps 系列 第 27 篇

技術 Day 27 : 使用 TensorFlow Serving 部署 REST API

在網路情境常以 API 請求服務，用於生產的機械學習亦可用 REST API 形式提供服務。在Day 20、Day 21、Day 22 介紹部署在算力有限的終...

威利斯 ‧ 2021-09-27
1 Like 0 留言 4338 瀏覽
鐵人賽 AI & Data DAY 12
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 12 篇

技術 【12】新手容易忽略的 logit 與 loss 之間的搭配

Colab連結 通常在 model.compile() 時，我們要指定這個訓練應該要使用哪種 loss 來計算，前面幾天我們比較了各種 cross entrop...

Capillary J ‧ 2021-09-26
0 Like 0 留言 1230 瀏覽
鐵人賽 AI & Data DAY 26
從 AI 落地談 MLOps 系列 第 26 篇

技術 Day 26 : 公平指標與實作 Fairness Indicators

模型公平性的思考 隨著 AI 對於各領域和社會的影響逐漸增加，建立公平且可包容所有人的系統至關重要，為達到負責任的 AI，重視公平性，實踐以人為本的設計初衷...

威利斯 ‧ 2021-09-26
0 Like 0 留言 4926 瀏覽
鐵人賽 AI & Data DAY 11
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 11 篇

技術 【11】二分類問題下 Binary Cross Entropy 的使用注意事項

Colab連結 接著昨天討論到的 Cross Entropy ，今天把重點放到了 BinaryCrossEntropy 上，顧名思義，之所以叫 Binary 就...

Capillary J ‧ 2021-09-25
0 Like 0 留言 21697 瀏覽
鐵人賽 AI & Data DAY 10
AI Facial Expression Recognition: Data, Model, Application 系列 第 10 篇

技術 [Day 10] 從 tensorflow.keras 開始的 ResNet 生活

0. 前言 有一說一，VGG19跟ResNet34比起來真的很淺(上圖)。ResNet全名為Deep Residual Neural Network，光看翻譯...

佑佑來了 ‧ 2021-09-25
0 Like 0 留言 9643 瀏覽
鐵人賽 AI & Data DAY 10
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 10 篇

技術 【10】多分類問題下 Sparse Cross Entropy 與 Categorical Cross Entropy 的用法差異

Colab連結 要來討論今天主題前，先來複習一下什麼是交叉熵 Cross-Entropy ，我覺得這部影片介紹得很不錯，簡而言之，我們可以將交叉熵當作資訊的亂度...

Capillary J ‧ 2021-09-24
1 Like 0 留言 4610 瀏覽
鐵人賽 AI & Data DAY 9
AI Facial Expression Recognition: Data, Model, Application 系列 第 9 篇

技術 [Day 09] 從 tensorflow.keras 開始的 VGG Net 生活 (第二季)

2. VGG 實作(tensorflow) 2.1 南無觀世"import"啥？ import itertools from sklearn...

佑佑來了 ‧ 2021-09-24
0 Like 0 留言 3976 瀏覽
鐵人賽 AI & Data DAY 24
從 AI 落地談 MLOps 系列 第 24 篇

技術 Day 24 : 負責任的 AI - Responsible AI (RAI)

當您用心呵護的機械學習終於實現，期待能滿足與提升使用者福祉，您應該有足夠的信心與能力對產品負責， AI 產品亦然。 延續系列文對您的機械學習產品生命週期的思考...

威利斯 ‧ 2021-09-24
0 Like 0 留言 9500 瀏覽
鐵人賽 AI & Data DAY 9
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 9 篇

技術 【9】各種優化器(Optimizer) 大車拼實驗

Colab連結 今天的主題是要探討優化器（Optimizer）對模型學習的影響，有關優化器該用哪個好，也是一個蠻令人頭痛的問題，大部分的時候優化器都可以讓你成功...

Capillary J ‧ 2021-09-23
0 Like 0 留言 1701 瀏覽
鐵人賽 AI & Data DAY 23
從 AI 落地談 MLOps 系列 第 23 篇

技術 Day 23 : 模型分析 TensorFlow Model Analysis (TFMA)

模型分析 TFMA 介紹 過往我們關注模型的訓練結果，會追蹤該模型在每次 epochs 之後的 AUC 、 ACC、 loss 等指標變化，並且以視覺化繪圖...

威利斯 ‧ 2021-09-23
0 Like 0 留言 3813 瀏覽
鐵人賽 AI & Data DAY 8
AI Facial Expression Recognition: Data, Model, Application 系列 第 8 篇

技術 [Day 08] 從 tensorflow.keras 開始的 VGG Net 生活 (第一季)

-1. 序 OK，資料分析做完了，現在要進入演算法的部分，我們未來幾天將從經典卷積神經網路架構中，尋找適合FER2013資料集的演算法。最後經由實驗挑出最佳的C...

佑佑來了 ‧ 2021-09-23
0 Like 0 留言 3300 瀏覽
鐵人賽 AI & Data DAY 8
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 8 篇

技術 【8】資料集有沒有事先 shuffle 對訓練所產生的影響

Colab連結 昨天我們介紹了 Shuffle 這支 API 的使用方式，其中特別提到了如果今天資料集本身沒有先打散的話，你後面再做 shuffle 時，如果...

Capillary J ‧ 2021-09-22
0 Like 0 留言 4240 瀏覽
鐵人賽 AI & Data DAY 20
學資料科學的小孩不會變壞- 從入門到實戰全攻略 系列 第 22 篇

技術 DAY22 類神經網路之架設與訓練

前面我們介紹了影像辨識的資料前處理方法，今天就要開始教大家架設一個神經網路，並將資料丟入來看看實際的效果，還不了解神經網路的運作概念可以先參考DAY19喔~...

Rick_Lyle ‧ 2021-09-22
0 Like 0 留言 6945 瀏覽
鐵人賽 AI & Data DAY 22
從 AI 落地談 MLOps 系列 第 22 篇

技術 Day 22 : 模型優化 - 知識蒸餾 Knowledge Distillation

什麼是知識蒸餾 Knowledge Distillation 知識蒸餾 Knowledge Distillation 為模型壓縮技術，其中 student 模...

威利斯 ‧ 2021-09-22
0 Like 0 留言 3884 瀏覽
鐵人賽 AI & Data DAY 7
30 天在 Colab 嘗試的 30 個影像分類訓練實驗 系列 第 7 篇

技術 【7】Dataset 的三個API : Shuffle Batch Repeat 如果使用順序不同會產生的影響

Colab連結 今天的主題比較特殊一些，要來探討 tensorflow 中的 Dataset api : shuffle, batch 和 repeat 的順序...

Capillary J ‧ 2021-09-21
iThome鐵人賽
參賽組數
1123 組
團體組數
52 組
累計文章數
23096 篇
完賽人數
656 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 2018鐵人賽 javascript 2017鐵人賽 python windows php c# windows server linux css 程式設計 react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙