鐵人檔案
MNIST手寫數字資料集是1988年LeCun等人在美國郵務局，為了自動辨識郵遞區號手寫號碼而發展的一個資料集，現今作為許多圖片辨識系統的標準測試集。資料及不同...
程式括寫流程如下: 建立模型 透過tf.FradientTape()紀錄並建構向前傳播模型 將訓練資料傳入模型內進行向前傳遞運算 計算損失 根據Loss對mo...
泛化能力(generalization ablity):一個機器學習算法對於沒有見過的樣本資料也有很好的辨識能力。過擬合(overfitting):機器在訓練表...
數據切割的目的主要是分出訓練集跟測試集。假如不分割會出現測試集資料在訓練集裡面出現，那不就是照抄答案了嘛!會造成model的準確率不可考。之前就是這樣被教授念過...
過度擬合就是模型在訓練資料上表現得很好，但在沒看過的測試資料上效果卻很差。為甚麼要提前停止? 在模型訓練過程中，我們會同時觀察訓練資料和驗證資料的表現。一開始，...
在深度學習中，神經網路的「模型層數」指的是模型的深度，也就是由多少層的神經元堆疊而成。設定模型層數沒有一個絕對的標準答案，它需要根據你的資料複雜度和運算資源來權...
Dropout 是一種在深度學習中廣泛使用的正則化（Regularization）技術，其核心目的是為了解決過擬合（Overfitting）問題。過擬合發生在模...
1. 什麼是正則化？（What is Regularization?） 核心概念:正則化是一種 權重衰減（Weight Decay) 的概念。 主要目的:...
影像預處理：統一影像尺寸 (Image Resizing)在訓練神經網路時，輸入影像的大小通常需要固定，然而自行收集的資料集中的影像尺寸往往不一。因此，在預處...
在深入探討卷積神經網路 (CNN) 之前，我們先回顧一個用於手寫數字識別的基礎模型：全連接網路。 全連接網路處理 MNIST 資料集在處理 MNIST 資料集...
