Search this site
Skip to main content
Skip to navigation
卓因zoomIn
Home
讓深度學習專案落地
一套流程與小工具幫助標示影像數據
以標示分類圖像為例, 最直覺的做法
儘早嘗試收集模型訓練所需的數據
避免數據採樣的偏差問題
標示訓練資料的前置處理: 過濾
假使瑕疵品占比極為稀疏
我的產品數據沒有不平衡問題
過濾器製作
打造加速圖片分類的小工具-需求分析
圖片分類的小工具-平台
分類標示小工具
開發環境準備
第一個 Python Class
打造 UI-1 以 pyside6 呈現Img, 擴展 QLabel
打造 UI-2 控制面板
打造 UI-3 快速鍵, 結合WorkFolder物件
打造 UI-4 回復 [忙中有錯]
打造 UI, 組裝全部元件
打造 UI, 執行看看
打造標示 Bounding Box 工具
訂製 BoundingBox Class
boundingBox Rect
boundingBox 初始化
畫布 Class
控制台
應用深度學習模型
打造第一個深度學習模型
訓練第一個深度學習模型
遷移學習 -Transfer Learning or Fine-tuning
遷移 EfficientNet 預訓練模型
解析機器學習實作
資料預處理
預處理程式
Pandas 處理數據
在機器學習路上, 如何折騰自己? 或者, 如何避坑?
可嘗試優化優化器
移轉到新產線, 圖像採擷環境有差異
以 R 幫忙缺失值處理
以 Keras 開發機器學習模型
第一個 Keras 應用-資料集
以 Keras 設計簡單 CNN模型
訓練模型
Callback
超參數尋優-keras tuner
keras tuner - 搜尋較優的網路架構
注意data augmentation
使用 TPU 加速訓練
雜記, 分享
用 Google Sites 寫網站
網頁內嵌 Python Snippet
網頁內嵌 Code Snippet 2
Google Sites內寫方程式
Markdown 於 Google Sites
github 使用筆記
Python 基礎
Python該用哪個版本?
Python該用哪個虛擬環境
Python 單元測試
以 match-case 替代 if-elseif
進階 match-case
Python 開發GUI 應用
Qt Widget於 Windows 10/11 的尺寸問題
PyQt5 移植 PySide6
是否考慮 qtpy 以求 PyQt5, PyQt6, PySide2, PySide6
卓因zoomIn
Keras
Callbacks
前篇有粗略提到 callbacks, 舉了諸如 early stop, tensorboard 等例子.
Under Construction
Next
Index
Report abuse
Page details
Page updated
Report abuse