iT邦幫忙

tensorflow相關文章
共有 240 則文章
鐵人賽 AI & Data DAY 24

技術 Day 24:機器學習永遠不會跟你講錯 -- Keras 除錯技巧

前言 機器學習永遠不會跟你講錯,不管你丟甚麼東西進入訓練流程或預測,它都會給你一個答案,正是所謂的 Garbage In Garbage Out,因此,產生了兩...

鐵人賽 AI & Data DAY 8

技術 二、教你怎麼看source code,找到核心程式碼 ep.2:程式碼挖寶記

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 再次說明訓練流程,model部分分成backbone(e...

鐵人賽 AI & Data DAY 23

技術 Day 23:Tensorflow 架構與其他模組介紹

前言 由於 Keras 的引進,使得 Tensorflow 架構變得有點疊床架屋,到底要遵從哪一路徑學習,常令初學者感到困擾,因此,對 Tensorflow 其...

鐵人賽 AI & Data DAY 22

技術 Day 22:Tensorflow Dataset 相關用法整理

前言 之前的有一些案例程式使用 Tensorflow Dataset,但沒有多作解釋,心中有愧,因此,花了一些時間,整理相關用法如下。 Tensorflow D...

鐵人賽 AI & Data DAY 6

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.5:解釋train.py

文章說明 文章分段 文章說明 簡介datasets 描述模型訓練的流程 程式架構:上程式的虛擬碼,預告要寫的檔案、功能有哪些 主程式的實際撰寫,註明程式開始不...

鐵人賽 AI & Data DAY 21

技術 Day 21:Batch Normalization 筆記整理

前言 當神經網路含很多(Deep)神經層時,常會在其中放置一些 Batch Normalization 層,顧名思義,它應該是作特徵縮放,但是,內部是怎麼運作的...

鐵人賽 DevOps DAY 5
30 Days of MLOps 系列 第 5

技術 透過 Docker 來建構 Tensorflow Serving - 30 Days of MLOps

前一篇我們有提到怎麼用 apt-get 來安裝 tensorflow-model-server,但使用 Tensorflow 官方包好的 Docker Imag...

鐵人賽 AI & Data DAY 20

達標好文 技術 Day 20:使用 U-Net 作影像分割(Image Segmentation)

前言 影像分割(Image Segmentation)也稱【語義分割】(Semantic Segmentation),它可以是物件偵測演算法 RCNN 的延伸...

鐵人賽 AI & Data DAY 19

技術 Day 19:Autoencoder 與去除雜訊

前言 Autoencoder 是一個非常重要的模型,它是很多進階模型的基礎,例如風格轉換(Style Transfer)、影像分割(Image Segmenta...

鐵人賽 AI & Data DAY 3

技術 Day 3 談傳統:Ubuntu Tensorflow-GPU 環境配置 - 1

前言   接著,我們來嘗試安裝 Tensorflow 在 Ubuntu 上,對於不少人來說,這是遠端工作的第一選擇。 一篇重要的雙系統筆記與安裝前置作業,有需...

鐵人賽 AI & Data DAY 18

技術 Day 18:自駕車(Self-driving) 動態物件偵測實作

前言 前一篇實作一個簡單的物件偵測(Object Detection),接下來我們來模擬自駕車(Self Driving)如何辨識前方的障礙物,一樣使用Tens...

鐵人賽 AI & Data DAY 2

技術 Day 2 談傳統:Windows Tensorflow-GPU 環境配置

Tensorflow-GPU 環境配置 Author:William Mou-> 進入個人 Blog 前言 在接觸機器學習時,對學生來說,最主觀、且最簡單...

鐵人賽 AI & Data DAY 17

技術 Day 17:TensorFlow 2 Object Detection API 實作

前言 前一篇介紹如何安裝 TensorFlow 2 Object Detection API,今天我們就來實作一個簡單的物件偵測(Object Detectio...

鐵人賽 AI & Data DAY 16

技術 Day 16:TensorFlow 2 Object Detection API 安裝

前言 筆者曾介紹過物件偵測(Object Detection),請參閱【這裡】,三年來,整個技術的演進又提升了不少,尤其是YOLO演算法已經進化到第5版了,而且...

鐵人賽 AI & Data DAY 15

技術 Day 15:戴口罩偵測實作

前言 因應新冠病毒的防堵,企業及公共場所多強制戴口罩,這一篇就來實作如何利用AI偵測是否戴口罩。 前一篇談到預先訓練好的模型(Keras Application...

鐵人賽 AI & Data DAY 14

技術 Day 14:預先訓練好的模型(Keras Applications)

前言 之前我們都是自建模型,事實上 Keras 引進很多預先訓練好的模型(Keras Applications),他們都是屬於影像辨識的模型,大都是各屆影像辨識...

鐵人賽 AI & Data DAY 13

技術 Day 13:測試 CNN 的桌面程式

前言 前一篇利用【資料增補】(Data Augmentation)技術,擴增訓練資料,對於準確率是否有真的提升嗎? 這次,我們就來實作一個具有書寫介面的桌面程式...

鐵人賽 AI & Data DAY 12

技術 Day 12:影像資料增補(Data Augmentation)

前言 前一篇利用CNN辨識手寫阿拉伯數字,其實有幾個缺點: MNIST 的訓練資料與滑鼠撰寫的樣式有所差異,我猜 MNIST 的資料收集應該是請受測者寫在紙上...

鐵人賽 AI & Data DAY 11

技術 Day 11:卷積神經網路(CNN) 剖析與視覺化

前言 從這一篇開始,我們要開始介紹一些演算法及其應用,了解 Keras 的進階用法。首先,介紹【卷積神經網路】(Convolutional Neural Net...

鐵人賽 AI & Data DAY 10

技術 Day 10:運用自訂Callback 追蹤訓練過程( Keras )

前言 之前我們測試過一些內建的Callback,這次筆者要自訂 Callback,將損失寫入 Pandas Data Frame,並且作圖畫出優化的軌跡。 可監...

鐵人賽 AI & Data DAY 9

技術 Day 09:再探TensorBoard

前言 上一篇簡單介紹 TensorBoard 的功能,並且測試以下功能: 追蹤損失和準確率等效能衡量指標(Metrics)。 將圖片寫入 Log。 這次,我...

鐵人賽 AI & Data DAY 8

技術 Day 08:TensorBoard 的初體驗

前言 TensorBoard 是 Tensorflow 提供的視覺化工具,功能非常強大,除了可以顯示訓練的過程,也可以顯示圖片及語音。在訓練的過程中就可以啟動T...

鐵人賽 AI & Data DAY 7

技術 Day 07:Keras Callback 的使用

前言 Callback 可以在模型訓練過程中觸發事件,記錄訓練過程產生的資訊、在查核點(Checkpoint)對模型存檔、迫使訓練提早結束...等,除了可以使用...

鐵人賽 AI & Data DAY 6

技術 Day 06:Keras 模型結構

前言 從這篇起,我們就Keras各部分的功能進行研究,包括: 模型結構 執行工作記錄(Callback 及 TensorBoard) Dataset Esti...

鐵人賽 AI & Data DAY 5

技術 Day 05:神經網路的效能調校(續)

前言 上一篇我們作了一些實驗,對單一參數作各種數值的比較,但是,如果同時使用多個參數作各種組合的比較,那就需要撰寫迴圈了,讓每一種組合依序執行,再加上 Cros...

鐵人賽 AI & Data DAY 4

技術 Day 04:神經網路的效能調校(Performance Tuning)

前言 上一篇,我們完成了手寫阿拉伯數字的辨識,但同時也留下很多的問題: 為什麼模型要設成兩層完全連接層(Dense)? 為什麼第一層完全連接層(Dense)要...

鐵人賽 AI & Data DAY 3

技術 Day 03:撰寫第一支完整的 Keras 程式

前言 上一篇,我們完成了一個神經元的計算,如果要完成整個神經網路的計算,一個一個神經元撰寫,程式碼可能要很多迴圈,才能完成多層式的神經網路,因此,深度學習套件又...

鐵人賽 AI & Data DAY 2

技術 Day 02:梯度下降與自動微分

前言 上一篇講了一堆安裝的困難,如果,本機安裝不起來,可以直接使用Google Colaboratory 雲端環境,它有免費的GPU/TPU 可使用,而且常用套...

鐵人賽 AI & Data DAY 1

達標好文 技術 Day 01:輕鬆掌握 Keras

Keras 不是很簡單嗎? Keras 是深度學習最簡單的敲門磚,但是,計畫趕不上變化,所有市面上的書籍都追不上 Keras 版本的更新,例如: Google...

技術 Ubuntu16安裝tensorflow環境與python

sudo apt-get update sudo apt-get install python-pip sudo pip install tensorfl...