無聊看看

Python AI-安裝Anacoda Python 安裝Anaconda Python 環境安裝 (1) 下載Anaconda套件 官網： https://www.anaconda.com/ 套件下載： 下載網址 ＊MAC版本安裝 請下載3.7版的來進行安裝 安裝畫面： (2) 安裝深度學習套件 本次需要的範例 tensorflow numpy keras pandas 需要打開mac的終端機(terminal)，需要將上面的套件安裝，首先測試conda指令是否可以執行 ##> conda 輸入安裝的指令，會請您輸入管理員的密碼，通過後可以進行安裝 ##>sudo conda install tensorflow ##>password ##>sudo conda install keras ＊測試 步驟一、首先在Document建立一個資料夾名為AI_Study，執行jupyter來進行測試 ##>cd ~/Document ##>mkdir AI_Study ##>cd AI_Study ##>jupyter notebook 步驟二、 出現jupyter的IDE後，我們新增一個腳本，並選擇Python 3來開發 測試方式為import karas套件後，執行Run看是否有發生錯誤，吾表示安裝成功 參考 http://moocs.nccu.edu.tw/media/23054

Python AI-簡介 人工智慧技術簡介 人工智慧主要的核心概念為深度學習，然而要懂深度學習必須要會神經網路，神經網路由這三種核心技術所組成，後面的文章會陸續介紹類神經網路是如何學習？ ＮＮ ＣＮＮ ＲＮＮ 人工智慧如何解決問題 人工智慧利用深度學習來學習而得到答案，利用數學的角度來解釋就是如果所有的問題都可以轉換成函式來表示，那深度學習就是找到那個函式來解決問題 AI可以解決的問題 目前深度學習可以大多應用這些問題． 預測，例如：下禮拜天氣預測、球員明年的打擊率 對話 圖片分類 自動駕駛 ####參考 backpropagation

Python AI-神經網路 神經網路 標準NN (1) 定義： Fully Connected Neural Networks(NN) 1980年開始流行 輸入層 隱藏層 輸出層 深度學習就是超過3層以上的隱藏層，每一層需要多少神經元 每個神經元的動作是相同的 多個輸入對應多個權重、 一個輸出 (2) 類神經網路圖示 我們可以將類神經網路是由很多神經元所組成，架構上可分為三層，第一層為輸入層(input layer)這一層是用來接收外面的資料，有可能是圖片、聲音、數字等等；第二層為隱藏層(hidden layer)用來訓練資料找到最佳函式表達(最佳解)，此層可以多層的神經元組成；第三層輸出層(output layer) 將最佳解做輸出，此層只會有一個輸出． 神經元如何動作：每個神經元的動作是相同的，例如：H1接收到X1和X2的輸入值，反饋輸出不管輸入有幾條連結H1，他輸出值都會相同． (3)公式解說 每個輸入的神經元都會有權重值(w1、w2…)，這些權重值用來決定輸入值的比重，如果輸入值會影響輸出比較重，我們可以給他比較重的權重值． 公式1 : 在所有輸入x權重的加總+b(調整值)可以得出一個輸出，如果這個輸出無法滿足答案，請看公式2 公式2 : 通常輸出加上激活函數是才是最後的輸出答案 (3)激活函數(Active Function) 類神經網路需要激活函數的目的在 公式1 可以看到乘績之和所得到的結果，只是得到線性關係解．通常問題的本質大多為非線性，利用激活函數將輸出得到一個非線性的表達式，藉此達到問題的近似解． ＊常見的激活函數 Sigmoid :模仿人類的類神經，輸入的刺激很小時，輸出就是0，反之輸出很大時，輸出也不會超過1 ReLU: 當輸入小於0，輸出就是0；輸入大於0，輸出等於輸入 參考：Mr. Opengate## 深度學習：使用激勵函數的目的、如何選擇激勵函數 Deep Learning : the role of the activation function (4)神經網路訓練 神經網路可以透過訓練資料的方式來找到問題的解，所以我們可以定義一組訓練資料集{(X1,Y1)、(X2,Y2)、(X3,Y3)…}，透過神經網路輸出可以發現有誤差值產生...