鐵人檔案
認識深度學習中會使用到的名詞，並實作一些模型訓練。第一次嘗試使用pytorch做模型訓練，試著在建立模型訓練過程中找出自己的方式去理解專有名詞。
所謂模型訓練的損失是指預測和實際的差異，也就是統計上的殘差。在機器學習中損失函數其實有很多種，有我們常見的均方誤差(mean squared error) 交叉...
激活函數是指能夠讓模型依照輸入資料而作出變動的函數，而激活函數對輸出做出限制，其中有限制輸出範圍和壓縮輸出範圍。在pytorch中限制輸出範圍可以使用toch....
什麼時候會出現過度訓練（overfitting）？ 訓練資料過小 單一資料集訓練過久 模型過於複雜 雜訊過多 解決方式： 增加資料搜集 減少神經網路層數...
池化層 Pooling Pooling layer也可以叫做max pooling，池化層所做的就是取出區域內的最大值，這種做法可以降低雜訊的干擾，因為在訓練過...
ImageNet 和大部分的公開資料集一樣，都起源於學術競賽，其中針對ImageNet的大型視覺挑戰賽ILSVRC從2010年成立就非常受歡迎，而這項競賽每年的...
降採樣downsampling 和池化的作用相似，可以依照對於圖片的期待做出改變，有很多種類可以分為平均、最大值和特定不長卷積等等。假設現在有一個4乘4的圖片，...
訓練週期Epoch 如果翻譯 Epoch的話會是時代，但我把它理解成的訓練一批次，也就是訓練集資料通過一次正向傳播和一次反向傳播。DAY13的時候有介紹過的過度...
在還不會自己建模型的時候，今天先試著用已經訓練過的模型來做最基本的圖片辨識，會列出所有已經訓練過的模型，我用網路上薩摩耶的圖片（圖片來源：https://www...
分析影像的卷積層、DAY12的激活函數層和DAY14的池化層，這些之外我們還會有丟棄層（dropout layer）扁平層（flatten layer）以及全連...
函數式API在pytorch中，nn模組都有一個函數式的版本，存在torch.nn.functional之中，本身沒有參數的層可以換成函數式版本，像是池化和激活...
