iT邦幫忙

鐵人檔案

2023 iThome 鐵人賽
回列表
AI & Data

AI白話文運動系列之「A!給我那張Image!」 系列

整個系列將從0開始帶領讀者一步步了解AI技術,讓AI更貼近每個人的日常生活。具體內容涵蓋影像與電腦視覺中AI/機器學習/深度學習相關的數學概念介紹、經典論文導讀、pytorch實戰與熱門技術分享。

鐵人鍊成 | 共 30 篇文章 | 1 人訂閱 訂閱系列文 RSS系列文
DAY 21

CNN經典論文導讀(四)--自編碼器(Autoencoder)後篇

前言 昨天我們聊到了非監督式學習,也提到可以利用Autoencoder來提取出低維度的特徵,概念上很簡單,可是視應用情況不同,Autoencoder可以有很多...

DAY 22

番外篇--AI中的機率統計與VAE

前言 機率分布與抽樣在AI領域當中是很重要的概念,雖然沒有特別提出來說,可是很多概念都被我們當作前提假設隱藏在模型的設計背後,今天我們就利用VAE來看看機率分...

DAY 23

CNN經典論文實戰(四)--Autoencoder

前言 前幾天花了一些時間討論非監督式學習與自編碼器Autoencoder架構,今天就讓我們實際操作一下看看吧! 先備知識 Python(至少對Python...

DAY 24

CNN經典論文導讀(五)--DenseNet

前言 今天沒意外的話會是這個系列中最後一篇經典論文探討了,雖然我們前段時間花了一些篇幅討論Autoencoder架構,但其實這篇論文的概念更像是ResNet,...

DAY 25

CNN經典論文實戰(五)--DenseNet

前言 昨天介紹完DenseNet之後,我們今天就一如既往地通過實戰的方式來討論具體的模型架構吧! 先備知識 Python(至少對Python語法不陌生)...

DAY 26

AI研究趨勢討論(一)--模型壓縮與加速(Model Compression and Acceleration)前篇

前言 今天我們會開始討論一些新的內容,預計會先聊聊AI接下來有哪些研究方向可以做,接著再聊聊最近比較熱門的AI技術。 先備知識 一顆放鬆的心 看完今天的...

DAY 27

AI研究趨勢討論(一)--模型壓縮與加速(Model Compression and Acceleration)後篇

前言 昨天我們稍微介紹了一下模型壓縮與加速這個研究領域,並討論了兩種常見的方法,今天會繼續介紹另外兩種方法,最後再利用這四種方法的實戰範例,讓大家親自嘗試一下...

DAY 28

AI研究趨勢討論(二)--遷移學習、領域自適應與領域泛化

前言 今天我們跳脫理論,用輕鬆的方式帶大家看看如果要實際應用AI模型會遇到怎樣的問題,以及有哪些相關的研究領域在處理這些問題。 先備知識 一顆放鬆的心...

DAY 29

AI研究趨勢討論(三)--強強聯手打造新世代里程碑(CNN與ViT結合)

前言 我們之前在討論CNN架構以及各種CNN模型的時候,有提到CNN因為幾項獨特的優勢,成為了電腦視覺或影像處理中的霸主,然而,從2017年Google提出的...

DAY 30

AI研究趨勢討論(四)--AI圖像生成(以Diffusion Model為例)

前言 今天我們來聊聊最近很熱門的AI繪圖技術,帶大家看一下背後到底用了甚麼原理,這幾年又有怎麼的演進才可以到現在有這麼厲害的技術。 先備知識 知道生成模型...

理工哈士奇嗷嗚嗷嗚的收藏
理工哈士奇嗷嗚嗷嗚的追蹤
理工哈士奇嗷嗚嗷嗚的Like
理工哈士奇嗷嗚嗷嗚的紀錄