鐵人檔案
過度配適（Overfitting）是指機器學習模型在訓練過程中過度擬合訓練數據，例如：練誤差很低，但測試誤差很高、損失值（Loss）不減反增。這些情況會導致機器...
前言：今天會介紹優化器，以及使用前幾天提到的dropout（丟棄法）跟批次正規化繼續升級我們的神經網路 優化器（Optimizer） 優化器（Optimi...
前言：前幾次我們做的神經網路都是在做分類（classification）問題（類別變項），也就是根據輸入特徵分類出輸出類別（數字1的機率、數字2的機率），所以...
前言：現代人講求效率，不再閱讀龐大繁雜的文字資料，而俗話說：「一張好的圖要讓人三秒就能理解。」資料視覺化，透過圖表來說明資訊和資料，在這邊我們也可以用視覺化幫助...
前言：我們前面講用密集神經網路處理MNIST手寫圖片數字，第一步驟就是把28 * 28的二維降為一維陣列，還記得當初說每個像素值都被視為一個特徵，需要784個神...
多層濾鏡 通常情況下每一個卷積層都包含多個濾鏡（或稱卷積核），每個濾鏡有其特定的功能或是專精的地方，可能擅長辨識某一類特徵。例如，某些濾鏡可能對垂直線條非常敏感...
前言：昨天說過 CNN = 卷積層 + 池化層 + 密集神經網路，所以我們今天就要來介紹池化層 池化層 通常在 CNN 神經網路後面還會搭配池化層 (pool...
前言：今天我們要來仿做史上第一個卷積神經網路LeNet-5，並且加入一些我們前面學過的技巧。 LeNet-5 有兩個卷積層，分別有6與16個濾鏡，池化層也有兩...
前言：昨天我們架設的卷積神經網路使用了 2 個卷積層 + 1 個最大池化層。 昨天架設的CNN只是最基本的，事實上兩個卷積層與一個最大池化層，這樣的組合可以稱...
機器視覺：目標是讓計算機能夠「看」和「理解」視覺數據，並幫我們完成分類與辨識。 機器視覺應用 人臉識別: 用於身份驗證、安全系統、社交媒體標記等。人臉辨識...
