【應用】臉部辨識 - TensorFlow x deep learning (一) 在這一篇文章 中，您可以了解卷積神經網絡 (convolutional neural networks) 和其背後的理論。而本系列的文章將帶各位了解：如何運用 Tensorflow, Dlib, docker 和透過卷積神經網絡實作人臉辨識。 Overview ⬩ 臉部辨識簡介 ⬩ 使用臉部偵測和校正處理圖像 ⬩ 利用 TensorFlow 生成臉部嵌入 ⬩ 訓練 SVM 分類器 先決條件 ⬩ 了解線性代數的基本...

【應用】臉部辨識 - TensorFlow x deep learning (二) 上一篇文章帶您了解了人臉辨識的概念，在這篇文章中我們將實作處理數據、設置環境、得到初步的成果。 使用 Dlib 和 Docker 預先處理數據 # Project Structure ├── Dockerfile ├── etc │ ├── 20170511–185253 │ │ ├── 20170511–185253.pb ├── data ├── medium_facenet_tutorial │ ├── a...

【應用】臉部辨識 - TensorFlow x deep learning (三) 上一篇文章帶您初步完成了人臉辨識的實作，現在來到了這系列的最終章，將介紹如何訓練分類器，並評估成果。 在 Tensorflow 創建嵌入 (Embeddings) 處理完數據之後，下一步就是產生每張人臉的嵌入(embedding)，而這些嵌入後續可以用來作為分類、回歸或叢集分析使用。 下載權重(Weights) 您將使用 Inception Resnet V1 作為卷積神經網絡。首先，創建一個文件來下載模型的權重...

在架構推薦系統時，最重要的是開發演算法、讓演算法更理解使用者和項目，而非操作資料和架設 API。 這也就是為什麼我架了 TensorRec 框架，這個框架目的在簡化基於 TensorFlow 架設的推薦引擎的後勤工作，並讓開發者專注於更有趣的內容，像是：嵌入函數、損失函數和更強大的機器學習開發。 TensorRec 是一種推薦演算法，它有簡單的 API 可用於訓練和預測，類似於 Python 中常用的機器學習工具。它還可以讓你靈活地嘗試自己的嵌入/損失函數，使你可以架設一個適合了解特定使用者和項...

本文的內容是由數個教程所組成的概述，此系列教程將向您展示如何在 Google Cloud Platform (GCP) 中使用 TensorFlow 和 Cloud ML Engine 實作推薦系統 (recommendation system)。 本文內容將涵蓋： 概述以矩陣分解為基礎的推薦系統理論。 描述如何使用加權交替最小平方法 (weighted alternating least squares - WALS) 來進行矩陣分解。 提供系列教程概述，並提供在 GCP 上實作推薦系統的逐步...

本文是系列教程中的第一部分，將向您展示如何在 Google Cloud Platform (GCP) 中使用 TensorFlow 和 Cloud ML Engine 來實踐機器學習 (ML) 的推薦系統。而這個部分會介紹如何在開發系統上安裝 TensorFlow 模型程式碼並在 MovieLens 的資料集上執行模型。 本教程的推薦系統使用加權交替最小平方 (WALS) 演算法，而 WALS 包含於 TensorFlow 程式庫中的 contrib.factorization package，...

本文是多教程系列的第二部分，將展示如何透過 TensorFlow 和 Cloud ML Engine 部署機器學習 (ML) 推薦系統。在這個單元中，您將學習到：如何使用 GCP 中的 Cloud ML Engine 來訓練推薦系統，並調整其中的超參數。 這系列包括以下部分： 總覽 建立模型 (一) 如何在 TensorFlow 部署推薦系統：訓練和調校 Cloud ML Engine (二) (本教程) 運用 Google Analytics 數據 (三) 部署推薦系統 (四) 請先您閱讀系列...

本文是一系列教學的第三部分，向您展示如何利用 Google Cloud Platform(GCP) 中的 TensorFlow 和 Cloud Machine Learning Engine 實作機器學習 (ML) 推薦系統。本文將會介紹如何利用 Google Analytics 360 收集的數據，透過 TensorFlow 建模做到網站的內容推薦。 這一系列教學包含以下內容： 總覽 建立系統 (一) 訓練和調校機器學習引擎 (二) 運用 Google Analytics 數據 (三) (本教...

本文是教學系列的第四部分，教您如何在 TensorFlow 和 Cloud ML Engine 實行 machine learning (ML) 推薦系統。這個部分教導您如何在 GCP 上部署生產系統，並針對產品提供建議和定期更新推薦模型。 這個教學系列包括以下部分： 概要 創建模型 (第一部分) 訓練和調整 Cloud ML Engine (第二部分) 使用 Google Analytics 的數據來分析 (第三部分) 部署推薦系統 (第四部分) (本教程) 本教程中的推薦系統使用 WALS ...

預測性維護 (Predictive maintenance) 有助於企業延長設備年限能否延長，藉由讓生產系統更加可靠，來減少設備的停機時間。在本系列文的前 2 篇文章中（第一部分和第二部分在此，歡迎讀者閱讀），我們確定了企業可能會想部署預測系統的原因，並說明了一般匯入預測系統的感應器和資料類型。在本系列文的第三篇也是最後一篇的文章中，我們將會解釋我們如何從 Google Cloud Platform (GCP) 各項產品中，建立一個完整的預測性維護參考解決方案，包括Cloud IoT Core、...

對新聞出版商而言，讓讀者能夠在數位內容上快速且精準取得感興趣的文章和廣告非常重要。以全球最大的大眾媒体出版商之一 ── Hearst 媒體集團旗下的新聞部門 Hearst Newspapers 來說，要將內容妥善分類，曾是非常艱鉅的過程。他們平均每天要分類 3,000 篇新文章，標記和分類都非常耗時，而且編輯團隊為了趕上進度，常常不得不將某些內容優先排序處理，而某些文章不予分類。 Hearst Newspapers 並未聘用更多的人力，而是透過 Google Cloud AI 有效解決了這個問題...

開源機器學習系統 TensorFlow 應用實例 什麼是 TensorFlow? 簡單來說是 Google 開源的機器學習程式庫。除了應用在 AlphaGo 之外，也應用在 Google Photo 等服務上。 2017/12現在版本已經更新至1.4了，在教學文件上可以看到，能夠安裝的作業系統為 Linux 及 Mac OS X，開發語言為 C++ 及 Python 可供選擇。在本篇，作業系統會使用 Ubuntu 14.04 ，開發語言以Python 構築環境。 安裝 TensorFlow 的順...