目標 今天是我們的名面上最後一天，我們要探討的是深度學習**深度學習（Deep Learning）**無疑是其中一個最重要的領域。從自動駕駛汽車、語音識別、推...
回顧本系列 這系列我們一起完成，從建立深度學習中的影像分類模型，到部署模型，以及學習日誌記錄和網路爬蟲技術等，要給完成的我們一個大大的掌聲👏 雖然影像分類模...
前言 輸入訓練資料集的方法不只有一種，有時候取決於輸入資料的格式、套件的使用、資料處理的方法或模型的架構等等，例如同樣是影像作為輸入，就可以選擇不同的資料輸入方...
前言 一般我們在寫程式時，想要測試一下當前的輸出，或是顯示一些重要的資訊或數值，會使用類似像 print() 的方法，來顯示資訊，例如以本系列實作為例，原本我也...
前言 前兩天介紹了使用兩種不同的網頁框架去製作 API，今天要來介紹使用 Gradio 來製作使用者介面，讓模型的使用可以更加直觀與便利。 Gradio Gra...
前言 昨天開始介紹 Web 應用框架 Flask，踏入了另一個領域！今天要來介紹第二個網頁應用框架 FastAPI，會使用與昨天類似的形式介紹 FastAPI，...
前言 在學校寫作業或是研究所做研究，可能會較專注於模型的建構，但在業界，通常會將這些 AI 模型商品化，讓使用者可以更方便使用它們，例如透過 API 服務，讓使...
垃圾郵件分類實作 前言 看完了一系列的介紹，肯定要自己動手做做，這次我會透過一個簡單的垃圾郵件分類器專案，來實際應用所學的機器學習概念和技巧。我會逐步展示如何使...
前言 昨天介紹評估推論（或者測試）結果的方法，今天要來介紹混淆矩陣（Confusion Matrix）。混淆矩陣也是在分類問題上常被使用的評估方法，顯示預測結果...
前言 昨天提到了Transformer，也說了他是基於Self-Attention 機制，今天就來談談這個技術又是什麼。在自然語言處理（NLP）及其他序列資料處...
前言 昨天介紹如何利用訓練好的模型進行推論，用一張影像來測試，如果準備了一份有許多影像的測試資料集，要怎麼推論呢？一張一張輸入效率太低了！今天要來介紹如何將測試...
Transformer 前言 昨天提到的大型語言模型（LLM）依賴一個非常關鍵的技術架構——Transformer。它在自然語言處理（NLP）領域掀起了革命性的...
前言 訓練好模型之後，就可以進行推論了！推論（Inference）指的是模型訓練完畢後，將資料集輸入訓練好的模型，去預測結果。使用的資料是新的、沒看過的資料，所...
前言 訓練模型的過程，雖然會顯示每個週期的評估指標數值，也可以使用 CSVLogger 保存下來查看這些數值，但如果將數值轉換成圖表，是不是更好去看趨勢，更加一...
生成式AI 前言 鐵人賽文章已經步入尾聲了，前陣子透過一些程式碼的介紹及一些機器學習的概念深度學習的概念來介紹，而今天我們要來介紹人工智慧的另一個分支生成式AI...
前言 前兩天介紹 Callbacks 模組中的兩個類別，今天要來介紹 CSVLogger，也是可以用來監控模型在訓練過程中的評估指標。和前兩天不同，CSVLog...
隨著人工智慧（AI）技術的日新月異，特別是機器學習與深度學習的快速發展，UI設計領域正經歷著一場深刻的革命。AI的引入，不僅僅是對傳統UI設計的補充，更是對其的...
自然語言處理 NLP 前言 其實在寫到今天的文章之前，我對於NLP都只是略有耳聞，但不知道他的細節，但在賽前我在規劃要介紹甚麼的時候，請chatGPT給我一點靈...
前言 訓練模型時，可能會遇到訓練至某個週期開始，驗證資料集的評估指標（或其他評估指標）沒有往上升，這時可以使用 EarlyStopping 來讓模型停止訓練。...
生成對抗網路 (GAN) 前言 昨天出現小插曲~ 今天要來介紹生成對抗網路囉~ 什麼是生成對抗網路 首先老樣子，我們先來認識甚麼是生成對抗網路（Generati...
前言 在訓練深度學習模型時，如果每次都要等待自己設定的訓練週期結束，才檢查模型在哪一個週期才是訓練最好的「最佳模型」，聽起來是一件沒有效率的事。Keras 有個...
前言 昨天完成了一個基本的訓練，今天當然就要來拿來預測資料啦～～（沒有文章庫存了，好緊張喔，每天都要努力產出文章，還要弄研究所推甄的東西 程式開發及解釋 為了方...
前言 昨天介紹了避免 Overfitting 的其中一種方法，為權重正則化，今天要來介紹另一種方法，為丟棄法（Dropout），是一種很常使用也很有效的模型正則...
前言 昨天提到了 Overfitting，要避免這樣的問題，我們可以使用正則化（Regularization）的方法，讓模型可以更簡單，更符合 Generali...
前言 在昨天的內容中，我們建立了一個卷積神經網路（CNN），並了解了各層的作用與模型的結構。今天，我們將進一步進行模型的編譯與訓練，並且觀察其性能表現。透過使用...
前言 昨天已經成功引入資料及了解了激勵函數作用，那我們今天實際來將這些運用進來吧。今天會用到的東西會跟Day15提及的很有相關，所以建議不熟悉的朋友們可以先去看...
前言 我們已經學會如何編譯和訓練模型，在這過程中我們會先設定訓練週期，但要如何得知模型要訓練到什麼程度才是可以的？那就要看訓練的模型到底有沒有 Overfitt...
前言 昨天開始進入模型的編譯和訓練，可以觀察到，在模型訓練過程會顯示每一個週期的訓練資料集與驗證資料集的準確度（Accuracy）和損失值（Loss）。今天就來...
前言 在學每一個新的程式語言的時候，相信大家第一個寫的一定都是Hello World!吧，那在深度學習領域中，最經典的就是MNIST手寫辨識了。今天我們會透過t...
LSTM 長短期記憶網路 什麼是LSTM？ LSTM（Long Short-Term Memory）是一種特殊的循環神經網路（RNN），也就是昨天提到的RNN的...
roni
Eunice
arbin
因田木
iThome鐵人賽
看影片追技術