Tkinter

講師 楊皓宇(堇姬)

堇姬Naup

成功電研一年級/幽夜工作室繪師

目前正在學習競程、AI、資安、linux

想成為很電的駭客跟繪師

平時除了打code也喜歡看二次元相關

CKCSC36

函式(Function)

輸入資料給它就會產生結果的東西

切蘋果function

輸入(input)

輸出(output)

舉例

模型(model)

多個Function集合在一起，就稱為Model。

可以辨識貓的Function，與其他可以辨識不同動物的Function集合在一起，就是所謂的Model。

舉例

權重

某因素或指標的相對重要程度

舉例

面試我要為一個人打分

評分項目

表達能力

個性

責任感

權重

3

1

2

*總分 = 表達能力分數 x 3 + 個性分數 x 1 +責任感分數 x 2

神經元(neurons)

想像它是我們腦的神經細胞

嘗試把很多神經元接在一起

形成神經網路

神經網路(NN)

這是神經網路的樣子

輸入層(input layer)

NN第一層稱作輸入層輸入層的節點不會做任何的運算，這些節點單純只是接收並傳送輸入至下一層

輸出層(output layer)

輸出層給出人工神經網路所有資料處理的最終結果

隱藏層(hidden layer)

人工神經網路可以有大量的隱藏層。每個隱藏層分析前一層的輸出，進一步處理，並將其傳遞給下一層

深度學習(DL)

透過大量資料，找出Model輸入與輸出之間的關係，藉此來訓練模型

設計評估模型好壞的標準

找到最好的模型

第一步

第二步

最後

輸入資料

層

層

權重

權重

預測值

標準答案

損失函數

損失分數

優化器

層

更新權重

舉例

我是一個深度學習model，我可以判斷他是甚麼生物

輸入(input)

很明顯是隻貓咪

有耳朵，有尾巴，一定是貓娘!!!

輸出(output)

顯然貓咪不是貓娘

(透過多層解析圖片特徵並判斷)

模型判斷錯了怎麼辦?

告訴他答案錯了請調整你判斷的權重

如何調整?

損失函數

(loss functions)

衡量神經網路在訓練資料的表現，引導模型往正確方向前進

0-1 Loss function

1

舉例

為模型的答案打分數

優化器

(optimizer)

根據訓練資料以及損失函數值來更新權重參數的機制

總結

成千上萬個資料進行數十次數百次迭代(反覆訓練及回饋)後，使調整的權重可以最小化損失函數