鐵人檔案
人類無法解決的問題，就丟給機器解決吧！ ML是一個尋找函數的過程，通過訓練出來的模型，可以讓電腦執行極為複雜的任務，並且不需要人類輸入精確的指令。
本篇會從一個即將進入研究所的Web仔視角，帶領讀者一起入門，從ML的基礎觀念開始，深入淺出介紹原理與實作。
我們今天要來探討的是Deep Learning的架構設計，今天我們會通過學習CNN學到Network的架構要如何設計，以及基於什麽樣的考量來做出這樣的設計。 C...
上一篇我們學習了第一個Deep Learning的模型CNN，今天我們要探討的是當模型在訓練集（Training Set）或測試集（Testing Set）上無...
上一篇我們知道了一些在做深度學習時的小技巧，可以分成兩種情況：在training set上效果表現不好和在testing set上表現不好。我們知道說我們在tr...
昨天我們提到了Self-attention的input是什麽樣子,output應該又是什麽樣子。我們知道Self-attention是爲了解決比較複雜的inpu...
Self-Attention 的計算過程 我們已經知道如何計算兩個向量之間的關聯性 α，接下來我們要將其應用到 Self-Attention 模組中，來生成最終...
Multi-head Self-Attention 昨天我們學習到了Self-attention的技術，我們還説到今天會介紹Self-attention更進階一...
Transformer 是一種序列到序列 (Sequence-to-Sequence, Seq2Seq) 的模型， Sequence-to-Sequence 是...
我們昨天提到了 Transformer 的架構，我們知道 Transformer 是由 Encoder 和 Decoder 組成的，其中的 Encoder 我們...
昨天我們談到Decoder的運作方式，它與Encoder有許多相似之處：同樣需要進行Positional Encoding、Multi-Head Self-At...
經過三十天的努力，我們從零基礎開始，逐步了解了 Machine Learning 的全貌，並初步接觸了 Deep Learning。 在這個系列裏面，我們一開始...
