[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。
Machine Learning
[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
[Keras] 使用 CNN 建立 Cifar-10 的分類器 (實戰篇)
Cifar-10 與 MNIST 相同，是一個有著 60000 張圖片的資料集（MNIST 的部份可以參考《使用 CNN 進行 MNIST 的手寫數字辨識 —— by Keras (實戰篇)》，與這篇的程式碼應該是大同小異。）
Read More »[Keras] 使用 CNN 建立 Cifar-10 的分類器 (實戰篇)
如何使用 Google Colab 提供的免費 GPU
Google Colab 的全名為 Google Colaboratory， 顧名思義，是個由 Google 所提供的服務。Colab 最大的優點在於它提供了後台的免費 GPU，雖然有著一天只能使用十二小時的時限、以及訓練太長的模型會被認為是在做加密貨幣的挖掘而被 ban 調 —— 但總體而言，Colab 仍然是手邊沒有 GPU 的人們最適合進行機器學習的平台。
Colab 是一個線上 Python 執行平台，其底層的運作方法與著名的 Jupyter notebook 十分相像。
Read More »如何使用 Google Colab 提供的免費 GPU
[Keras] 使用 CNN 進行 MNIST 的手寫數字辨識
Mnist 是一個經典的手寫數字資料集，裡面的數字分別有從 0 到 9，共 10 種數字。今天我們的任務便是使用經典的 Keras 來搭建 CNN 的分類模型，以此來製作一個數字的分類器。
基本上原理的部份我想全部都留在『原理篇』裡面來闡述，今天就直接上 Code 吧！
Read More »[Keras] 使用 CNN 進行 MNIST 的手寫數字辨識[PyTorch] Getting Start: 從 Tensor 設定開始
今天打算來介紹一下『PyTorch』—— 一個現在炙手可熱的 Python Machine Learning 框架，一邊學習、一邊把學習的心得記錄下來。
雖然看過目前的統計，現在使用 Tensorflow 的開發者還是佔了絕大部分（不知道統計的時候有沒有把 Keras 包進去呢？），但是光看 Github 上 PyTorch 的星數在短時間內迅速成長，就足以證明 PyTorch 確實有其好用的地方，更重要的是現在社群肯定是非常活躍的。
Read More »[PyTorch] Getting Start: 從 Tensor 設定開始
[Scikit-Learn] 基本教學 (0): 介紹 scikit-learn
我一直希望能寫個關於 Scikit-Learn 種種模型及使用方法的筆記，故先在這裡開了坑，等到日後有機會便補上內容 (2020/03/21 更新，我開始筆記 Scikit-Learn 的各種教學了，如文章末)。
Read More »[Scikit-Learn] 基本教學 (0): 介紹 scikit-learn