A Concise Handbook of TensorFlow 2 0.4 beta 文檔
這是一本簡明的 TensorFlow 2 入門指導手冊，基於 Keras 和即時執行模式（Eager Execution），具一定機器學習及 Python 基礎開發者快速上手。
(more…)
Categories: 教學
資料由 claude.ai 提供
課程網址連結:
- Andrew Ng 的機器學習課程(Coursera):https://www.coursera.org/learn/machine-learning
- Udacity 的機器學習工程師納米學位:https://www.udacity.com/course/machine-learning-engineer-nanodegree–nd009t
- edX 的MIT人工智能課程:https://www.edx.org/course/introduction-to-artificial-intelligence-ai
- 李宏毅的機器學習課程:https://www.youtube.com/playlist?list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49
- 李宏毅的深度學習課程:https://www.youtube.com/playlist?list=PLJV_el3uVTsPMxPbjeX7PicgWbY7F8wW9
- 吳恩達的機器學習課程筆記:https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
- Google的機器學習速成課程: https://developers.google.com/machine-learning/crash-course
- fast.ai的機器學習課程:https://course.fast.ai/
Categories: 教學
Generative Adversarial Network(GAN)
Day 28：小學生談『生成對抗網路』(Generative Adversarial Network，GAN）
Facebook AI 大師 Yann LeCun 在接受 Quora 專訪時說『GAN 及其變形是近十年最有趣的想法 …
生成對抗網路（Generative Adversarial Network，GAN）是一種具有鮮明特色的機器學習模型。GAN由兩個互相競爭的神經網路組成：生成器（Generator）和判別器（Discriminator）。
生成器的目的是生成逼真的資料樣本，例如圖像或音訊。它接收一個隨機噪聲向量作為輸入，並利用深度神經網路進行轉換，生成與訓練數據相似的新樣本。
判別器則試圖區分生成器生成的樣本與真實訓練數據。它也是由深度神經網路組成，接收一個樣本作為輸入，並根據該樣本是真實的還是生成的進行預測。
生成器和判別器彼此對立，通過互相競爭並不斷交互訓練。生成器的目標是愈來愈好地生成逼真的樣本以騙過判別器，而判別器則試圖提高準確性以區分真假。這個訓練過程持續進行，直到生成器能夠生成非常逼真的樣本，使判別器無法區分真假。
GAN已被廣泛應用於圖像生成、風格轉換
Categories: 教學