Upgrade to Pro — share decks privately, control downloads, hide ads and more …

用 TensorFlow 2 快速進入深度學習的世界

用 TensorFlow 2 快速進入深度學習的世界

這次的分享, 很快為大家介紹深度學習的概念, 並且體會一下用 Python 實現深度學習是多麼容易的事。我們也會討論, 既然都這麼容易了, 一個 AI 的工程師還有什麼價值呢? 最後我們會推薦一些方向, 做為未來更深入學習的參考。

[email protected]

July 27, 2020
Tweet

Other Decks in Technology

Transcript

  1. TensorFlow 2 度學習 18 安裝 TensorFlow GPU 版 > conda

    install Tensorflow-gpu 要先更新 NVIDIA GPU 顯卡 Driver
  2. TensorFlow 2 度學習 25 Mount 你的 Google Drive, 存取資料 要點網址

    copy 金鑰 你會需要點網址, 選擇你的 Google 帳號授 權, 然後 copy 出現的金鑰, 回來貼在這裡。
  3. TensorFlow 2 度學習 28 把我們的問題, 化為函數 f 6 把我們的問題, 化為函數。比如說我們想做手寫辨識,

    就是輸入一個掃描 的手寫數字, 輸入電腦, 希望電腦輸出這個數字是什麼。
  4. TensorFlow 2 度學習 32 Step 1: 用深度學習的方式打造函數學習機 函數 學習機 不管我們用了什麼阿貓阿狗法,

    打造 一台深度學習函數學習機。 然後有一堆參數要調。 完成! {wi , bj } θ
  5. TensorFlow 2 度學習 34 深度學習就是建一層層「隱藏層」 x ̂ y input layer

    hidden layers output layer 想辦法去決定要用幾層, 每一層 用什麼樣的形式。
  6. TensorFlow 2 度學習 35 每層就三種選擇 (基本上) x1 x2 xn h1

    h2 hk x h ℱ1 全連結層 (Dense) 卷積層 (Conv) 遞歸層 (LSTM, GRU) 差不多就是決定 幾個神經元就結 束了。
  7. TensorFlow 2 度學習 36 Step 2: fit 訓練 我們收集真實世界的歷史資料。 {(x1

    , y1 ), (x2 , y2 ), …, (xn , yn )} 也就是說, 真實世界的函數應該是⻑這個樣子。 f yi xi
  8. TensorFlow 2 度學習 38 我們當然希望越接近真實答案越好 xi ̂ yi yi 正確答案

    看差多遠 fθ 於是我們會做一個計算誤差的函數, 叫 loss function 。 L(θ)
  9. TensorFlow 2 度學習 45 綠島海洋生物辨識 Photo by Juuyoh TANAKA, from

    Wikipedia. * * Tambja morosa (藍紋鏽邊海蛞蝓) CNN 本來想這麼容易的問題, 當然是這樣做就好了啊。
  10. TensorFlow 2 度學習 46 綠島海洋生物辨識 Photo by Juuyoh TANAKA, from

    Wikipedia. * * Embedding vector 結果, 我們其實要的是一個好的 embedding, 也就是一個海洋生物, 我們需要一個「好的」 向量代表牠。
  11. TensorFlow 2 度學習 47 綠島海洋生物辨識 Photo by Steve Childs, from

    Flickr. * Photo by zsispeo, from Flickr. ** * ** Amphiprion ocellaris 眼斑雙鉅海葵魚 Tambja morosa 藍紋鏽邊海蛞蝓 Tambja morosa 藍紋鏽邊海蛞蝓 Anchor Positive Negative Max Min 一個方式是用所謂的 triplet loss。
  12. TensorFlow 2 度學習 49 程式技巧上, 我們要學會 Functional API 的做法 會了

    Functional API, 真的什麼特別的神經網 路都做得出來!