在 AI 快速發展的時代,影像辨識已經被廣泛應用在生活中的各種場景,但一張圖片究竟是如何被電腦「看懂」的呢?
這個系列將用 30 天的時間,從最基礎的 Pixel、影像組成與影像前處理開始,一步步認識 Computer Vision 與影像辨識的核心概念,並透過 Python 與實際資料集進行操作,逐漸進入模型建立、訓練與結果評估。
希望透過這 30 天,記錄自己從基礎到實作的學習過程,也讓第一次接觸影像辨識的人,可以一起了解 AI 究竟是怎麼從一張圖片中學會「看」的。
前幾天我們陸續調整了 Epoch、Early Stopping 和 Batch Size,但模型在訓練時,還有一個非常重要的問題: 每次根據 Loss 更新...
上一篇我們調整了 Learning Rate,發現每次更新參數時「走多大步」會影響模型的訓練結果。 但還有另一個問題: 知道要走多大步之後,模型到底要怎麼更新...