登入首頁
收藏 0
返回課程
AI機器學習Keras淺層神經網路辨識mnist手寫數字
  • 生成式AI研討
  • LLM簡介與使用
  • 加入課程請說出對課程的期許
  • 分組
  • 分組
  • 使用Google生成式AI Gemini 詢問程式語言排名 tiobe與IEEE spectrum
  • chatGPT與big data
  • 試用xAI Grok與產生短片
  • LLM?
  • imitationGame
  • LLM簡介之一
  • LLM簡介之二
  • NLP
  • 自然語言處理 Natural language Processing簡介
  • 自然語言處理 Natural language Processing 字詞量化
  • NLP pptx
  • 展示詞嵌入Word Embeddings& TTS.ipynb
  • 恐怖谷,不気味の谷現象,Uncanny Valley
  • Natural language Processing、字詞向量與 TTS之一
  • Natural language Processing、字詞向量與 TTS之二
  • NLP的應用whisper
  • openai whisper在huggingface的試用與在colab上的使用
  • 免費版Openai-whisper超好用---簡介
  • whisper turbo版與large v2版colab GPU語音辨識練習
  • whisper large v3 python轉VTT字幕
  • openai_whisper_ex0.ipynb
  • Ex1
  • 神經網路與mnist, emnist
  • Keras實作神經網路模型之1 mnist手寫數字
  • AI機器學習Keras淺層神經網路辨識mnist手寫數字
  • Keras實作神經網路模型
  • 神經網路模型之一 從感知器到神經網路
  • 神經網路模型.ipynb
  • 神經網路模型_emnist.ipynb
  • 手寫字母數字emnist之神經網路辨識實作
  • CNN與手寫數字、字母
  • CNN卷積計算辨識mnist手寫數字
  • 實作CNN模型辨識mnist.ipynb
  • CNN網路模型_emnist.ipynb
  • CNN卷積神經網路的視覺化解構
  • [用AI學AI]CNN辨識手寫字母EMNIST
  • 生成式AI RAG應用
  • RAG之NotebookLM操作與Keras辨識mnist手寫數字程式
  • 深度學習的 「Hello World」 辨識mnist手寫數字NotebookLM之Podcast
  • 期中報告
  • 期中作業
  • 第一組 期中影片
  • 第二組 |第3_4_5課影片縂整理(M11432009-M11432901期中作業)
  • 第三組影片
  • 生成式AI研討—M11433011
  • 歡迎來到實用_AI:教導機器感知_M11433002_簡日昌
  • YOLO
  • YOLO26x AI 眼中的牠是貓?黑柴表示:我太難了
  • YOLO26在Colab Python上試做之1
  • YOLO26在Colab Python上試做畫面分割、姿態檢測與隨機狗辨識
  • YOLO code
  • YOLO-world
  • 為什麼黑柴和魯夫會變綠?帶你解析 YOLO-seg 的神奇分割技術與趣味翻車現場
  • 黑柴心很累 擋路的是虎式坦克,AI 竟然不認識?
  • 告別誤判為貓?YOLO-World 實測:黑柴成功認出,但戰車卻徹底翻車?
  • AI 影像辨識黑科技:YOLO-World 實測,連黑柴與戰車都能精準偵測?
  • YOLO好用2.ipynb
  • 安裝YOLO相關軟體與辨識影片用VideoWriter燒錄
  • 期末報告
  • 期末
  • open claw簡介與AI代理
  • 生成式ai的多元應用-第三組
  • 重點
  • 討論 (1)
  • 筆記
發表時間 : 2024-11-28 13:29
觀看次數 : 46
原始資料來自 : https://www.youtube.com/embed/GKu6wOXvQiE?si=JQByxG6k5SBaeCjt
附件
討論功能僅開放給課程成員,請先加入課程
最新的回應 ...more
05-22
B11115009 : 簡單來說,Keras 不是一個獨立的安裝軟體(像 Word 或 Photoshop 那樣),而是一個專門用來建立和訓練「深度學習(Deep Learning)模型」的程式庫(Library),它目前整合在 Google 的 TensorFlow 開發架構中,主要使用 Python 語言來撰寫。
04-10
M11433003 : Keras 是一個高階深度學習工具箱(API)。 它像是一個「中控台」,讓人類能用簡單、好懂的 Python 代碼來建構 AI 模型。 它本身不負責底層運算,而是建立在 TensorFlow(引擎)之上。 深度學習的本質是大量的數學矩陣運算。 CPU(中央處理器): 像一位全才教授,邏輯極強,但一次只能處理幾項複雜工作。 GPU(圖形處理器): 像一群算數工兵,雖然不擅長複雜邏輯,但擁有數千個核心,可以同時(並行)計算成千上萬道數學題。 使用 CPU: 處理大型數據時,速度慢,可能要跑好幾天。使用 GPU: 透過並行運算,速度通常比 CPU 快 10 到 100 倍,讓原本要跑一週的模型在幾小時內完成。 Keras 是讓你「寫程式更輕鬆」的介面,而 GPU 是讓「程式跑更快」的硬體引擎。
04-10
武氏金英 : Keras 是一個以 Python 編寫的高階神經網路 API,常作為 TensorFlow 的介面,讓開發者能用簡潔的程式碼快速建立深度學習模型。 跑程式時啟動 GPU 是因為深度學習涉及極大量的矩陣運算,而 GPU 擁有數千個核心,能同時處理這些計算(平行運算)。相較於傳統 CPU,GPU 能將訓練速度提升數十倍甚至百倍,大幅節省等待模型收斂的時間。簡而言之,Keras 負責提供工具框架,而 GPU 則提供支撐這些繁重運算的硬體算力。
04-10
鄧萱琳 : Keras 是一個基於 Python 的高階深度學習 API(應用程式介面),它扮演著「直覺工具箱」的角色,讓開發者能以極簡且人性化的代碼快速建構神經網路,而無需處理底層複雜的數學細節。而在執行程式時啟動 GPU(圖形處理器),主因在於深度學習涉及極其龐大的矩陣運算,傳統 CPU 雖聰明但擅長的是序列邏輯處理,面對海量數據就像「一位天才數學家一次算一題」;相比之下,GPU 擁有數千個核心,能像「數千名學生同時做簡單乘法」般進行並行運算,能將模型訓練的時間從數天縮短至幾小時甚至幾分鐘,是實現高效 AI 開發的核心加速引擎。
04-09
m11433004 : Keras 是一個用 Python 編寫的 深度學習(Deep Learning)高階程式庫。它並非獨立的軟體,而是一個讓你更容易建立、訓練和部署人工智慧(AI)模型的工具介面。 Keras 被稱為「高階 API」,它建立在像 TensorFlow 這樣的底層框架之上。 優點:它將複雜的神經網路層、參數和運算封裝成簡單的指令,讓初學者能用最少的程式碼快速搭建 AI 模型。
安文
請問Keras是什麼軟體,為何跑程式時要啟動GPU?
03-27 1 樓
顯示先前的回應8 則當中的 3 則
M11433002
1. Keras 是一個用 Python 編寫的深度學習(Deep Learning)高階 API。
2.為了並行運算 (Parallel Computing)很多現代程式(如深度學習、影片剪輯、3D 渲染)需要處理大量的重複運算,GPU 會把複雜任務任務分給幾千個核心同時開工,速度可能比 CPU 快上百倍。
03-27 2 樓
M11433011
1.Keras 是一個用 Python 編寫的深度學習高階 API。它就像是一套「AI 樂高積木」,封裝了複雜的底層代碼,讓開發者能以簡潔、直覺的方式快速搭建神經網路模型。目前它已成為 TensorFlow 的核心介面,是業界最受歡迎的 AI 開發工具之一。
2.啟動 GPU 能讓原本在 CPU 上需花費數天才能完成的訓練任務,縮短至幾小時甚至幾分鐘內完成。對於現代動輒數百萬個參數的模型來說,GPU 不是選項,而是不可或缺的動力來源。
03-27 3 樓
c11333119
1. Keras 是一個用 Python 編寫的深度學習高階 API。
2.為了並行運算很多現代程式需要處理大量的重複運算,GPU 會把複雜任務任務分給幾千個核心同時開工,速度可能比 CPU 快上百倍。
03-29 4 樓
m11433004
Keras 是一個用 Python 編寫的 深度學習(Deep Learning)高階程式庫。它並非獨立的軟體,而是一個讓你更容易建立、訓練和部署人工智慧(AI)模型的工具介面。
Keras 被稱為「高階 API」,它建立在像 TensorFlow 這樣的底層框架之上。
優點:它將複雜的神經網路層、參數和運算封裝成簡單的指令,讓初學者能用最少的程式碼快速搭建 AI 模型。
04-09 5 樓
鄧萱琳
Keras 是一個基於 Python 的高階深度學習 API(應用程式介面),它扮演著「直覺工具箱」的角色,讓開發者能以極簡且人性化的代碼快速建構神經網路,而無需處理底層複雜的數學細節。而在執行程式時啟動 GPU(圖形處理器),主因在於深度學習涉及極其龐大的矩陣運算,傳統 CPU 雖聰明但擅長的是序列邏輯處理,面對海量數據就像「一位天才數學家一次算一題」;相比之下,GPU 擁有數千個核心,能像「數千名學生同時做簡單乘法」般進行並行運算,能將模型訓練的時間從數天縮短至幾小時甚至幾分鐘,是實現高效 AI 開發的核心加速引擎。
04-10 6 樓
武氏金英
Keras 是一個以 Python 編寫的高階神經網路 API,常作為 TensorFlow 的介面,讓開發者能用簡潔的程式碼快速建立深度學習模型。
跑程式時啟動 GPU 是因為深度學習涉及極大量的矩陣運算,而 GPU 擁有數千個核心,能同時處理這些計算(平行運算)。相較於傳統 CPU,GPU 能將訓練速度提升數十倍甚至百倍,大幅節省等待模型收斂的時間。簡而言之,Keras 負責提供工具框架,而 GPU 則提供支撐這些繁重運算的硬體算力。
04-10 7 樓
M11433003
Keras 是一個高階深度學習工具箱(API)。
它像是一個「中控台」,讓人類能用簡單、好懂的 Python 代碼來建構 AI 模型。
它本身不負責底層運算,而是建立在 TensorFlow(引擎)之上。
深度學習的本質是大量的數學矩陣運算。
CPU(中央處理器): 像一位全才教授,邏輯極強,但一次只能處理幾項複雜工作。
GPU(圖形處理器): 像一群算數工兵,雖然不擅長複雜邏輯,但擁有數千個核心,可以同時(並行)計算成千上萬道數學題。
使用 CPU: 處理大型數據時,速度慢,可能要跑好幾天。使用 GPU: 透過並行運算,速度通常比 CPU 快 10 到 100 倍,讓原本要跑一週的模型在幾小時內完成。

Keras 是讓你「寫程式更輕鬆」的介面,而 GPU 是讓「程式跑更快」的硬體引擎。
04-10 8 樓
B11115009
簡單來說,Keras 不是一個獨立的安裝軟體(像 Word 或 Photoshop 那樣),而是一個專門用來建立和訓練「深度學習(Deep Learning)模型」的程式庫(Library),它目前整合在 Google 的 TensorFlow 開發架構中,主要使用 Python 語言來撰寫。
05-22 9 樓
筆記功能僅開放給課程成員,請先加入課程
原始資料來自: https://eclass.uch.edu.tw/media/40163
Prev
Keras實作神經網路模型之1 mnist手寫數字
Next
Keras實作神經網路模型