Please enable JavaScript.
Coggle requires JavaScript to display documents.
動手做深度學習 - Coggle Diagram
動手做深度學習
平台介紹
Tensor flow playground
是一個由Google開發的在瀏覽器中運行的互動式學習環境，用於探索和理解深度學習。讓用戶以可視化的方式實驗神經網路模型。
即時訓練和可視化
當你調整模型的參數時，即時顯示模型的訓練過程，包括損失函數的變化、數據分布和決策邊界等。
預設問題和數據集
提供了一些預設的問題和數據集，用戶可以使用這些數據集來快速開始實驗。
互動可視化
使用者可以透過簡單的滑塊和設定
支援不同的激活函數、學習速率、正則化
你可以在模型中選擇不同的激活函數、優化算法、學習速率等，以及添加正則化來觀察它們對模型的影響。
cload
是Google提供的雲計算平台，它提供一系列的雲端服務，
計算、儲存、數據分析、機器學習、人工智慧、網路和開發工具等。
Teachable Machine
是一個由Google開發的在瀏覽器中運行的機器學習實驗室，它允許用戶藉由提供示範和標記的數據，來創建自己的機器學習模型
步驟
訓練模型
測試模型
收集數據
應用模型
影像辨識
影像辨識是一種利用電腦視覺技術來分析和理解影像的過程。
常用在這幾種領域
文字辨識
醫學影像分析
人臉辨識
自動駕駛技術
物體辨識
智慧農業
類神經網路
它由一系列相互連接的人工神經元（也稱為節點或神經元）組成，這些神經元彼此之間的連接權重可以被訓練來進行學習。
三種層次
隱藏層： 這是在輸入和輸出層之間的層次
輸出層： 產生模型的輸出結果
輸入層： 接收來自外部環境的輸入數據
傳播方式
前向傳播： 數據通過網路從輸入層流向輸出層，每個節點的計算基於其輸入和權重。
反向傳播： 通過比較模型輸出和實際目標，計算損失（誤差），然後將這個誤差反向傳播回網路，
深度學習
是機器學習的一個分支，它使用類神經網路來模擬和模仿人類大腦的學習過程
自動特徵學習
神經網路通過反向傳播算法自動學習特徵表示，不需要手工提取特徵，使得模型更適應不同的任務。
影像辨識
深度學習在影像辨識任務中取得了顯著的成就，特別是卷積神經網路（CNN）的應用。
強化學習
深度學習與強化學習相結合，用於訓練智能體在特定環境中學習和採取行動。