安裝資料探勘、機器學習工具 Weka 筆記
過去我幾乎沒有使用 Weka 的經驗，但在因緣際會下，我有緣接觸了 Weka 這項適用於資料探勘、機器學習領域的工具，於是便簡單地紀錄在這裡。
Read More »安裝資料探勘、機器學習工具 Weka 筆記Machine Learning
[Deep Learning] 在 Windows 上搭建 Tensorflow、CUDA、cuDNN 的訓練環境
搭建深度學習環境一直都不是一項簡單的事情，尤其是相當主流的 Nvidia 顯卡和 Tensorflow 的組合，其中版本的問題以及需要額外安裝的驅動、CUDA、cuDNN 就夠讓人頭疼了。而且主流的作業系統是 Linux 而非 Windows ，可以發現教學文明顯就少了些。
Read More »[Deep Learning] 在 Windows 上搭建 Tensorflow、CUDA、cuDNN 的訓練環境
[PyTorch] 應用 Early stopping 技術讓模型在較好的收斂時間點停止訓練
Early stopping 是一種應用於機器學習、深度學習的技巧，正如字面上的意思 —— 較早地停止。在進行監督式學習的過程中，這很有可能是一個找到模型收斂時機點的方法。
Read More »[PyTorch] 應用 Early stopping 技術讓模型在較好的收斂時間點停止訓練[PyTorch] 使用 random_split() 函式切割資料集
在使用 PyTorch 搭建深度學習環境的時候，若是我們有著切割資料集的需求（比方說將訓練資料切出驗證資料），在將資料封裝成 PyTorch 的 dataset 物件時，我們便可以透過 PyTorch 內建的切割函式 —— random_split() 來做到切割資料集。
[PyTorch] 設置種子參數重現模型訓練結果
PyTorch 是一個經常用於架構深度學習的框架，從名字就可以看出，是使用 Python 語法來調用的。PyTorch 封裝了各式各樣常用於深度學習的函式、神經網路、模型架構，使用上非常方便。
Read More »[PyTorch] 設置種子參數重現模型訓練結果
[已解決] FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'. _np_qint8 = np.dtype([("qint8", np.int8, 1)])
Tensorflow 可說是眾多深度學習框架當中最具知名度的（應該？），但是在我使用 Keras/Tensorflow 時，我經常會碰到以下這種關於 Numpy 版本的 FutureWarning：
Read More »[已解決] FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'. _np_qint8 = np.dtype([("qint8", np.int8, 1)])[PyTorch] 如何使用 squeeze() 和 unsqueeze() 函式去改變張量形狀
在剛開始接觸 PyTorch 這個框架時，為了逐漸掌握 PyTorch 搭建模型的方法，我閱讀、執行過許多官方教學文件上的範例程式。那個時候，經常能在範例程式當中見到 squeeze()、unsqueeze() 等函式，卻不太明白這兩個函式究竟有什麼樣的用途。
[NLP] 文字探勘中的 TF-IDF 技術
TF-IDF (Term Frequency - Inverse Document Frequency) 是在文字探勘、自然語言處理當中相當著名的一種文字加權方法，能夠反映出『詞彙』對於『文件』的重要性。跟著名的 Word2Vec 同樣能夠將文字轉換成向量，以供電腦進行計算。
Read More »[NLP] 文字探勘中的 TF-IDF 技術[PyTorch] 使用 view() 和 permute() 轉換維度
PyTorch 是一個基於 Python 的深度學習框架，我們可以藉由 PyTorch 所包裝好的模組、函式，輕易地實作我們想要實現的模型架構。而說到深度學習，就不得不提到使用 GPU 的平行化運算，提到 GPU 的平行化運算，就一定得說到我們得將輸入神經元的『維度』固定，好實現平行化運算。
Read More »[PyTorch] 使用 view() 和 permute() 轉換維度
[Python] 使用 ShuffleSplit() 進行 cross-validation
Cross-validation (交叉驗證) 是機器學習中『切割資料』的一個重要的觀念。簡單來說，當我們訓練一個模型時，我們通常會將資料分成『訓練資料』(Training data) 和『測試資料』(Test data)，然後我們使用訓練資料訓練模型、並使用模型從來沒見過的測試資料評估模型的好壞。
Read More »[Python] 使用 ShuffleSplit() 進行 cross-validation