Machine Learning LSTM LSTM 長短期記憶網路入門:解析 input gate、output gate、forget gate 的運作原理,如何解決 RNN 的長期依賴梯度消失問題,以及在 TensorFlow 中的實際應用。
Machine Learning Tensorflow2 -- MNIST TensorFlow 2.x 實作 MNIST 手寫數字辨識:比較繼承 tf.keras.Model 與 Sequential API 兩種建模方式,以及 GradientTape 自訂訓練迴圈的完整程式碼。
Machine Learning LSTM LSTM 長短期記憶網路入門:解析 input gate、output gate、forget gate 的運作原理,如何解決 RNN 的長期依賴梯度消失問題,以及在 TensorFlow 中的實際應用。
Machine Learning Kaggle Titanic Kaggle Titanic 生存預測解題紀錄:使用 Logistic Regression(sigmoid + cross entropy)進行二元分類,分析 overfitting 原因並提出 feature engineering 改善方向。
Machine Learning Kaggle Digit Recognizer Kaggle Digit Recognizer 解題紀錄:用 CNN 卷積神經網路辨識手寫 MNIST 數字,兩層卷積加一層隱藏層搭配 SGD,達成 0.98614 準確率。
Machine Learning TENSORFLOW 練習4: word2vec TensorFlow 練習:用 Skip-gram 模型實作 Word2Vec 詞向量,學習詞語間語意關聯(king-queen=man-woman),搭配 NCE loss 和 t-SNE 降維視覺化相似詞。
Machine Learning Tensorflow 練習3: 'FizzBuzz' TensorFlow 練習:用神經網路解 FizzBuzz 問題,兩層隱藏層(512+256)搭配 ReLU,分析 batch size 對 local minimum 的影響,加入 dropout 後訓練測試準確率同步達 1.0。
Machine Learning Kaggle Digit Recognizer Kaggle Digit Recognizer 解題紀錄:用 CNN 卷積神經網路辨識手寫 MNIST 數字,兩層卷積加一層隱藏層搭配 SGD,達成 0.98614 準確率。
Machine Learning Tensorflow 練習2: CNN TensorFlow 練習:用卷積神經網路 CNN 辨識 MNIST 手寫數字,實作兩層 convolution + max pooling + dropout 架構,準確率達 97%~99%。
Machine Learning Kaggle Titanic Kaggle Titanic 生存預測解題紀錄:使用 Logistic Regression(sigmoid + cross entropy)進行二元分類,分析 overfitting 原因並提出 feature engineering 改善方向。
Machine Learning Kaggle Digit Recognizer Kaggle Digit Recognizer 解題紀錄:用 CNN 卷積神經網路辨識手寫 MNIST 數字,兩層卷積加一層隱藏層搭配 SGD,達成 0.98614 準確率。