本篇是為了統整並使閱讀的各位和我自己了解機器學習內部實際的運作理論,在我日常使用相關技術時,常常是直接使用像是 tensorflow 或 pytorch 之類的套件去執行並實作出我們自己想要的結果,在使用時我自己常常會忽略或忘記這項技術背後的知識。
在接觸這領域有大概 2~3 年的我,決定在今年 2023 年自己試著撰寫自己對於機器學習相關技術背後理論的理解,目的是希望我能將此技術內化,並能透過此筆記給其他人參考或說鞭策自己,如果對於內容有疑慮歡迎聯絡我本人。
昨天有簡單敘述一下 Autoencoder 的背後理論。 Autoencoder 是一種神經網絡架構,主要用於無監督學習和特徵提取。 它的主要目標是將輸入數據編...
第 23 天了 !!! 我們要透過 Autoencoder 解決臉部辨識的問題。 Dataset 資料集的部分來自 Kaggle 中 Labelled Face...
Prerequisite 因為 Recurrent Neural Network (RNN) 的每個時間步都具有一個循環連接,將前一時間步的輸出作為當前時間步...
Dataset Dinosaur Island 一份文字檔,裡頭紀錄許多恐龍的類別。 Implementation Import Library import...
今天是第 26 天 !!! 我們將會透過 Recurrent Neural Network (RNN) 和 Long Short-Term Memory (LS...
Reinforcement Learning Reinforcement Learning 是一種機器學習方法,用於使代理(可以是機器、軟件或機器人等)通過與環...
昨天介紹 Deep Q-Network,今天我們透過 TUTORIAL 來講解 Deep Q-Network。 Impelmentation Import Li...
昨天,我們透過 TUTORIAL 來講解 Deep Q-Network。 今天我們來探索 Deep Deterministic Policy Gradient...