原创 Tensorflow_07A_寫入 TFRecord 與數據序列化

Brief 概述 前面所有章節中我們主要重點放在算法的框架構建上,比較少關注數據集本身的特性,也因此使用了最簡單的對象指向的方式,把數據集裏面的內容導出到一個設定好的對象中,並以此對象作爲整個算法的輸入,開始一系列的計算訓練。然而,隨着訓

原创 Tensorflow_06_Tensorboard 的數據可視化與 Data Embedding

Brief 概述 Tensorboard 提供了一個非常親切且容易執行的環境給使用者更好的找出計算流圖當中的問題,並根據問題發生的要點予以更正,不過這個工具是 Google 團隊在經歷長達一年的時間開發出來的產物,實際上的功能肯定不是簡單

原创 卷積神經網絡 + 機器視覺: L12_Visualization 神經網絡可視化 (斯坦福CS231n)

完整的視頻課堂鏈接如下 https://www.youtube.com/watch?v=6wcs6szJWMY&t=886s 完整的視頻課堂投影片連接 http://cs231n.stanford.edu/slides/2017/cs23

原创 Tensorflow_05_從頭構建 CNN 神經網絡框架 - part 3: 優化結果與觀察過程

Brief. Review of the low accuracy 當使用完了所有論文提及到的招式後,看到低下的正確率時,腦中的疑點肯定已經足以在幾秒鐘內蓋過詫異的神色,從卷積框架的搭建,到數據處理方法的使用,再到超參數的初始化設定,最後

原创 卷積神經網絡 + 機器視覺: L11_Detection and Segmentation 目標識別與分割 (斯坦福CS231n)

完整的視頻課堂鏈接如下: https://www.youtube.com/watch?v=nDPWywWRIRo&t=1670s 完整的視頻課堂投影片連接: http://cs231n.stanford.edu/slides/2017/c

原创 Tensorflow_05_從頭構建 CNN 神經網絡框架 - part 2: 框架主體

Brief 概述 上一個環節的內容呈現中,我們主要是在做框架搭建前的準備工作,把手邊的數據集與即將要使用上的函數儘可能交代清楚,而這節主要的內容是來探討建構神經網絡的過程與步驟,並儘可能的使用函數預留接口的形式把重複書寫的代碼整合得整潔且

原创 Tensorflow_05_從頭構建 CNN 神經網絡框架 - part 1: 圖像預處理

Brief 概述 在上一章中我們使用了 MNIST 手寫數字數據集,套入一個非常簡單的線性模型中,得到了大約 90% 左右的正確率,用意在於熟悉神經網絡節點的架構和框架的使用方法,接下來這章將把前一章的數據集和方法全面提升一個檔次,使用的

原创 Tensorflow_04_Load MNIST to Linear Model 載入 MNIST 數據集與線性模型

Brief 概述 這節開始我們使用知名的圖片數據庫 「THE MNIST DATABASE」 作爲我們的圖片來源,它的數據內容是一共七萬張 28×28 像素的手寫數字圖片,並被分成六萬張訓練集與一萬張測試集,其中訓練集裏面又有五千張圖片被

原创 生成對抗網絡 GAN 02:條件生成 Conditional Generation

Brief 概述 上一個章節提到的模型訓練方法是輸入一個向量值,經由神經網絡的運算與傳遞後,產生一個數據類型的結果,如上節舉例則是二次元人物圖像,而第二節課提到的情況生成器則是以文字轉圖片的模式展開。換言之,這個舉例是一個典型的監督學習方

原创 深度學習 + 論文詳解: Faster R-CNN 原理與優勢

論文鏈接Faster R-CNN: https://arxiv.org/pdf/1506.01497.pdf

原创 YOLO3 + Python3.6 深度學習篇(中)- Transfer Learning 遷移學習

上一篇文章鏈接:YOLO3 + Python3.6 實時物體檢測篇(上)- Transfer Learning 遷移學習繼上一次內容中,我們調用了 Google “圖片下載” 的 API 接口通過簡易爬蟲的方法抓下了一卡車的圖片信息,在整

原创 PYTHON_numpy 歷程總覽 - updating

遙想學習 python 之初,我滿腹的懷疑爲什麼 python 本身已經具備的數據容器,運算子,與內置模塊處理數據,還要一個 numpy 重複一遍內置函數的功能,直到開始接觸了大量的數據與資料處理的實例後,看着大家都用 numpy 到他們

原创 Tensorflow_01_Overview 全局概述

Brief 概述 機器學習與人工智能其實可以被歸類爲一個有歷史的學科領域,在上世紀的六零年代就已經有第一批的科學家先祖們在這個領域投入精力,但是礙於當時的硬件科技發展限制,沒有辦法實現大規模的運算,甚至也沒有單位能夠提供規模龐大的同類型數

原创 深度學習 + 論文詳解: SPPnets 原理與優勢

論文鏈接SPPnets: https://arxiv.org/pdf/1406.4729v1.pdf

原创 生成對抗網絡 GAN 01:簡介篇 Introduction

Brief 概述 GAN stands for Generative Adversarial Network, which was first developed in 2014. This brand new branch relate