鐵人檔案
前言 現今 AI 領域快速發展，很多技術都已相當成熟，而近期最熱門的莫過於生成式 AI。物件偵測、影像辨識或是影像分類都是相當成熟的應用了，日常生活也隨處可見這...
前言 本系列要來實作一個深度學習的模型，應用於影像分類上，但訓練完就結束了嗎？以前在學校修課或是做研究，可能比較會著重於生出一個好模型，或是研究如何讓模型更厲害...
前言 深度學習的框架有很多種，如 Caffe、TensorFlow、Keras、Apache MXNet、PyTorch 和 Google JAX 等。本系列實...
前言 在訓練深度學習模型之前，我們必須先想想要做什麼樣的主題。深度學習的應用有很多種，包含物件偵測、語意分割、影像分類與自然語言處理等，甚至是現今流行的生成式...
前言 在開始實作前，首先要做的就是建立開發環境。為什麼標題要寫「準備堅強的心」？因為最難的可能不是撰寫程式，而是在建立環境或是安裝套件的過程，跑出的各種疑難雜症...
前言 標題寫到模型的靈魂，為什麼是靈魂？因為模型的來源就是資料，我們給模型訓練的資料，會影響模型的表現。在 François Chollet《Deep Lea...
前言 有時候我們會遇到資料集數量不足的問題，或是模型訓練發生過度擬合（Overfitting），會使用資料增強（Data Augmentation）來讓資料集擴...
前言 昨天介紹使用 ImageDataGenerator() 做資料增強，是以資料生成器來執行，今天要介紹的是資料增強也可以是模型的一部分，使用 tf.kera...
前言 今天終於要進入模型建構的部分啦！在 Keras 中建構模型的方法主要有 3 種：序列式模型、函數式 API 和繼承 Model 類別。這系列會使用其中兩種...
前言 昨天介紹了序列式模型建構方式，今天要來介紹函數式 API。函數式 API 使用上較序列式自由度高，適合要建構比較複雜的模型，例如有分支結構，或是非線性拓樸...
