[Python] 基本入門語法概覽
Python 是個簡單優美的語言，我在發這篇之前斷斷續續寫過 Python 的基本教學：《Python 基本教學系列》。大致上分成 15 個章節，紀錄著 Python 之間大大小小可能應該要學習的功能。今天，我將會紀錄該如何快速地學習 Python。時間嘛，我想大該就抓個一小時吧！
Read More »[Python] 基本入門語法概覽Python
[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[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[Python] 使用 google_images_download 套件批量下載 Google 圖片中的圖片
前言
使用 Google 圖片搜尋圖片已經是現代人生活的一部分。不管是搜尋可愛的貓咪、作業的圖片、甚至是網路上可愛的美女 —— 不可否認，Google 的圖片搜尋就是這麼地方便、好用。
Read More »[Python] 使用 google_images_download 套件批量下載 Google 圖片中的圖片
[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