[PyTorch] Image: 利用生成對抗網路 DCGAN 生成圖片
今天我將紀錄如何使用 DCGAN 來實做簡單的『生成圖片』模型。本來我想要用美味的點心圖片來示範（我確實地下載了五十萬張點心圖片），但奈何效果不怎麼好，最後還是用回了官方示範的 CelebA。
Read More »[PyTorch] Image: 利用生成對抗網路 DCGAN 生成圖片Machine Learning
[PyTorch] Audio: PyTorch 中的音訊處理模組 torchaudio
正如同大家所熟悉的那樣，torchvision 是 PyTorch 內專門用來處理圖片的模組 —— 那麼我今天要筆記的 torchaudio，便是 PyTorch 中專門用來處理『音訊』的模組。
Read More »[PyTorch] Audio: PyTorch 中的音訊處理模組 torchaudio
[Machine Learning] Tanh 函式介紹與程式實作
Tanh，又稱為雙曲正切函數，基本的定義如下：
Read More »[Machine Learning] Tanh 函式介紹與程式實作
[Machine Learning] softmax 函式介紹與程式實作
Softmax
Softmax 函式，又被稱為『歸一化指數函數』，基本上是將一組向量（就好比說我們 Machine Learning 最後輸出的預測結果有多個分類，每個分類有著一個分數）映射為每個向量當中的元素都位於 (0, 1) 之間，其實就是代表著每個分類的機率分佈。當然，既然是機率分佈，那麼這個向量的所有元素相加總和應為 1。
Read More »[Machine Learning] softmax 函式介紹與程式實作[PyTorch] Getting Start: 訓練 CIFAR-10 資料集的分類模型
今天再次挑戰了不同的資料集（dataset）的分類器。這次的 CIFAR-10 是一個比起 MNIST 手寫辨識來得更難一些的題目。除了圖片的尺寸變成了 32 x 32 之外，CIFAR-10 也不再是單純的灰階值，而是有著 RGB 三原色的圖片了。
Read More »[PyTorch] Getting Start: 訓練 CIFAR-10 資料集的分類模型[Machine Learning] ReLU 函式介紹與程式實作
ReLU
ReLU (Rectified Linear Unit) 函式，常被翻譯為『修正線性單元』，是一種神經網路當中常用的 Activation function。被認為具有一定程度的生物原理。（雖然我並不清楚是什麼原理。）
Read More »[Machine Learning] ReLU 函式介紹與程式實作[Machine Learning] Sigmoid 函數介紹與程式實作
介紹
Sigmoid() 函數簡單來講就是個映射函數，將任何變量（這些先寫成 x）映射到 [0, 1] 之間。通常被用來當作機器學習領域 (Machine Learning) 神經網路的激活函數 (Activation Function)。
Read More »[Machine Learning] Sigmoid 函數介紹與程式實作[PyTorch] Getting Start: 訓練分類器 —— MNIST
使用一個簡單的 Toy Dataset 來訓練一個『分類器』可說是再簡單不過的 Deep Learning 練習。
今天，我要來練習使用 MNIST 手寫數字辨識資料集來使用 PyTorch 搭建一個簡單的分類器。
Read More »[PyTorch] Getting Start: 訓練分類器 —— MNIST[PyTorch] Getting Start: Neural Networks 神經網路的基本介紹
所謂的『神經網路』，便是我們想要進行深度學習所建的『模型架構』。在 PyTorch 官方的教學裡頭，第一句話就明確地闡明了：
『可以使用 torch.nn 來建構神經網路。』
nn 包含了模型層以及一個 forward() 的函式，並且會返回 output。這在之後的程式碼中可以清楚看見。
[PyTorch] Getting Start: 自動求導
自動求導的重要性，相信精通 Machine Learning 的大家想必一清二楚吧！我在此只簡單地說明，當然，如果我的說明有誤的那是一點兒也不奇怪的，就請各路大神不吝指導一下我吧。
基本上，建構深度學習模型分成 Forward propagation 以及 Backward propagation 兩部分。
Read More »[PyTorch] Getting Start: 自動求導