鐵人檔案
前言 通常在訓練深度學習模型，會拿準備的資料集去做從頭訓練（Train from scratch），但有時候我們會遇到一些狀況，例如我們收集的資料集數量較稀少，...
前言 我們已經學會建構深度學習模型了，接著就是要編譯模型，讓模型可以進行訓練啦！在編譯會使用 model.compile()，訓練的部分會使用 model.fi...
前言 昨天開始進入模型的編譯和訓練，可以觀察到，在模型訓練過程會顯示每一個週期的訓練資料集與驗證資料集的準確度（Accuracy）和損失值（Loss）。今天就來...
前言 我們已經學會如何編譯和訓練模型，在這過程中我們會先設定訓練週期，但要如何得知模型要訓練到什麼程度才是可以的？那就要看訓練的模型到底有沒有 Overfitt...
前言 昨天提到了 Overfitting，要避免這樣的問題，我們可以使用正則化（Regularization）的方法，讓模型可以更簡單，更符合 Generali...
前言 昨天介紹了避免 Overfitting 的其中一種方法，為權重正則化，今天要來介紹另一種方法，為丟棄法（Dropout），是一種很常使用也很有效的模型正則...
前言 在訓練深度學習模型時，如果每次都要等待自己設定的訓練週期結束，才檢查模型在哪一個週期才是訓練最好的「最佳模型」，聽起來是一件沒有效率的事。Keras 有個...
前言 訓練模型時，可能會遇到訓練至某個週期開始，驗證資料集的評估指標（或其他評估指標）沒有往上升，這時可以使用 EarlyStopping 來讓模型停止訓練。...
前言 前兩天介紹 Callbacks 模組中的兩個類別，今天要來介紹 CSVLogger，也是可以用來監控模型在訓練過程中的評估指標。和前兩天不同，CSVLog...
前言 訓練模型的過程，雖然會顯示每個週期的評估指標數值，也可以使用 CSVLogger 保存下來查看這些數值，但如果將數值轉換成圖表，是不是更好去看趨勢，更加一...
