AutoEncoder 自動編碼器來建構生成模型

AutoEncoder 自動編碼器來建構生成模型

對於像是把一個數字變成一個影像的作法,通常是透過生成模型來達成, AutoEncoder 自動編碼器則是深度學習中常見最簡易的生成模型。

AutoEncoder 的運作原理

AutoEncoder 是透過一個 Encoder 編碼器與一個 Decoder 解碼器的組合來實作生成模型的機制。

編碼的過程有點像是將資料濃縮、擷取,降維到較小維度的空間,而解碼則是相反的過程,類似於將較小維度空間的資料重建、還原、升維到原始維度的空間。

在 AI 的領域中,這種濃縮的資訊通常以 z 來表示, z 所存在的空間稱為潛在空間。

AutoEncoder 的架構圖

AutoEncoder 模型在訓練好之後,只需要將 Encoder 移走,透過給予 Decoder 解碼器隨機潛在空間的值,就可以生成所需要的影像。

換句話說,在 AutoEncoder (AE) 架構中,通常最後在使用的部分都是已經訓練完成的 Decoder 解碼器 。

[ 閱讀更多 …]

神經網路模型的資料預處理

如果要使用 AutoKeras 這個深度學習的框架,對於資料集的預處理是非常重要的。現有的許多資料集為了學習方便,在下載時往往已經有人幫你預處理完畢,讓學習的過程中不用再去處理瑣碎繁瑣的預處理,整理下面幾種常見的資料預處理方法。

為什麼資料正規化 Normalization 會讓模型的表現較好 ?

[ 閱讀更多 …]

被蘋果打槍後, 一個月後才再次審核App的故事

相信Mobile開發者在送出版本到App Store, 都像是在等一個不知道會因為什麼被打槍的奇幻旅程。 上次送審呆呆神射手時, 居然經過了一個月後才重新被審核, 有趣的是, 當我分享這段過程到開發者論壇後, Apple 的人居然回應了我的問題, 並解開了許多審核的秘辛。
讓我分享給大家知道。
[ 閱讀更多 …]

擁抱單線程的思考方式

在被時間追著跑的創業日子中, 想要做的事情真的是數也數不清, 每天都恨不得有48HR, 或者會鳴人的影分身之術可以同時把許多事情處理好。

時間, 永遠是最珍貴的資產。 在能力範圍內, 用金錢換取時間, 一直是我覺得最划算的買賣。

[ 閱讀更多 …]

工程師 X 黃金圈理論

TED上很紅的一段關於黃金圈的演講,在行銷學領域講「黃金圈」理論,在三重圈圈裡最外圈是What,第二圈是How,而中心的圈圈裡則是Why。為什麼大家都做同樣的產品,但有些公司的產品就賣得特別好?通常的原因都是來自於Why。在What中只談產品規格,在How中談產品可以做什麼,但是在Why中告訴顧客我們為什麼要這樣做?背後有沒有向顧客開啟一個更大的想像? by Esor Huang
很久以前看到Esor大的一段話, 當時在看TED上的這段影片時, 深受啟發。 最近, 發現以這個理論為基礎, 可以很好的去回顧一路以來走過的軟體學習路線。

[ 閱讀更多 …]