我的第三個 AI：利用「CNN 卷積神經網路」針對「Cifar10」資料集，訓練「辨識物體圖片」

在研究 AI 課題上,

會從最多學習資源, 且簡單易學, 又支援多種程式語言, 所以選擇 Google TensorFlow,

而 Keras 又是基於 TensorFlow, 提供更高階 API, 相對於 TensorFlow 更易學習,

且 Keras 本身也內建提供了 AI 訓練資料集 (英文官網、中文官網),

節省了 AI 初學者準備大量資料的時間,

而這次是利用 Cifar10 物體圖片集,

也就是要讓 AI 辨識圖片是什麼物體, 範例如下 :


至於「AI 與機器學習」的觀念, 可以參考 Google 釋出的內部培訓教材 :

點選此處: 《Google 內部培訓教材》Machine Learning Crash Course 機器學習速成課程（影片可選擇顯示中文字幕）.

點選此處: 《Google 內部培訓教材》Learn with Google AI（影片可選擇顯示字幕；若無中文字幕，也可選擇自動翻譯字幕）.

點選此處: TensorFlow 支援 Python 最完整, 且 Python 易學、應用廣泛, 建議學習.


那就開始用「CNN 卷積神經網路」來辨識「Cifar10 物體圖片集」, 其參考步驟, 如下 :

我的第二個 AI：利用「MLP 多層感知」針對「Cifar10」資料集，訓練「辨識物體圖片」

在研究 AI 課題上,

會從最多學習資源, 且簡單易學, 又支援多種程式語言, 所以選擇 Google TensorFlow,

而 Keras 又是基於 TensorFlow, 提供更高階 API, 相對於 TensorFlow 更易學習,

且 Keras 本身也內建提供了 AI 訓練資料集 (英文官網、中文官網),

節省了 AI 初學者準備大量資料的時間,

而這次是利用 Cifar10 物體圖片集,

也就是要讓 AI 辨識圖片是什麼物體, 範例如下 :


至於「AI 與機器學習」的觀念, 可以參考 Google 釋出的內部培訓教材 :

點選此處: 《Google 內部培訓教材》Machine Learning Crash Course 機器學習速成課程（影片可選擇顯示中文字幕）.

點選此處: 《Google 內部培訓教材》Learn with Google AI（影片可選擇顯示字幕；若無中文字幕，也可選擇自動翻譯字幕）.

點選此處: TensorFlow 支援 Python 最完整, 且 Python 易學、應用廣泛, 建議學習.


那就開始用「MLP 多層感知」來辨識「Cifar10 物體圖片集」, 其參考步驟, 如下 :

我的第一個 AI：利用「MLP 多層感知」針對「Mnist」資料集，訓練「辨識數字圖片」

在研究第一個 AI 課題上,

會從最多學習資源, 且簡單易學, 又支援多種程式語言, 所以選擇 Google TensorFlow,

而 Keras 又是基於 TensorFlow, 提供更高階 API, 相對於 TensorFlow 更易學習,

且 Keras 本身也內建提供了 AI 訓練資料集 (英文官網、中文官網),

節省了 AI 初學者準備大量資料的時間,

而這次是利用 Mnist 數字圖片集,

也就是要讓 AI 辨識圖片是什麼數字, 範例如下 :


至於「AI 與機器學習」的觀念, 可以參考 Google 釋出的內部培訓教材 :

點選此處: 《Google 內部培訓教材》Machine Learning Crash Course 機器學習速成課程（影片可選擇顯示中文字幕）.

點選此處: 《Google 內部培訓教材》Learn with Google AI（影片可選擇顯示字幕；若無中文字幕，也可選擇自動翻譯字幕）.

點選此處: TensorFlow 支援 Python 最完整, 且 Python 易學、應用廣泛, 建議學習.


那就開始用「MLP 多層感知」來辨識「Mnist 數字圖片集」, 其參考步驟, 如下 :

透過 Anaconda 安裝 TensorFlow 與 Keras

在 Google 官網 https://www.tensorflow.org/versions/master/install/ 中,

有介紹如何安裝 TensorFlow,

首先選擇您要在哪個 OS 安裝 TensorFlow, 官網截圖如下 :


選擇好 OS 之後, 官網介紹兩種安裝 TensorFlow 方式, 如下 :
● "native" pip
● 透過 Anaconda

因為 Anaconda 會幫您安裝一些 AI 常用的套件, 同時 Anaconda 可以建立多個虛擬環境, 對於有不同 Python 環境需求時, 是個非常好的解決方案,

以下介紹如何透過 Anaconda 來安裝 TensorFlow, 參考步驟如下 :

Linux 的 Firefox Browser 介面中文化

Linux 內建的瀏覽器為 Firefox,

但其介面一開始為英文介面,

若要更換為中文介面,

可以開啟【Terminal 終端機】, 輸入以下指令 :

繁體中文: sudo apt-get install firefox-locale-zh-hant

簡體中文: sudo apt-get install firefox-locale-zh-hans

然後, 重新開啟 Firefox 即可.

昭佑.天翔

在 Linux 利用 WinE 安裝 MS Office

通常會想在 Linux 安裝 MS Office,

無非就是 MS Office 檔案的排版在 LibreOffice 開啟後亂掉,

而要安裝 MS Office 有幾種方式 :

方式一) 安裝 Linux 與 Windows 雙系統, 不過, 就為了 MS Office 而裝兩個 OS, 似乎太大費周章, 而且切換 OS 就要重新開機一次, 也挺麻煩的.

方式二) 在 Linux 安裝 VirtualBox 虛擬機, 然後在 VirtualBox 內安裝 Windows, 這樣就可以在 Windows 內安裝 MS Office, 不過因為虛擬機會瓜分掉電腦資源而影響效能, 所以前提是您的電腦效能要夠好.

方式三) 在 Linux 安裝 Wine, 透過 Wine 直接安裝 MS Office, 直接在 Linux 執行 MS Office, 這是目前最好也是最有效率的解決方式.


所以, 以下將介紹在 Linux Mint 安裝 MS Office, 參考步驟如下 :

手機透過 FTP 無線連線到 Android 手機存取檔案

當您想到將 Android 手機上的檔案, 複製到其他手機,

除了透過上傳到雲端（缺點：還要多一個中介端）, 或 Bluetooth 藍芽直接點對點連線（缺點：傳輸速度慢）之外,

目前無線連接方式, 我常用的就是 FTP 連線（傳輸速度快）,

這篇文章, 就是介紹手機如何透過 FTP 無線連接到另一台手機, 進行檔案的存取,

參考方式, 如下 :

1) 首先, 手機要先安裝 File Manager + 這個 App,

它除了是檔案管理員之外, 也可以是音樂播放器, 還可以將 App 匯出成 APK, 另外雲端連線、電腦連線都有支援,

相當非常好用.


2) 手機與電腦需連線到同一個行動網路, 若您手機有行動網路, 則開啟 "無線基地台", 然後其他手機連線到這個 WiFi.

電腦透過 USB 連接到 Android 手機，但在手機看得到的資料夾與檔案，卻在電腦看不到

在 Android 手機透過 USB 連接線連到電腦上,

因為是透過 "MTP 協定" 進行檔案傳輸,

這基本上就有一個問題,

電腦看到的資料夾與檔案, 是手機上暫存區的資料夾與檔案,

您若在手機上新增的資料夾或檔案, 將不會在電腦上同步顯示, 如下圖 :
（電腦顯示）


（手機顯示）（電腦沒有顯示紅框線的資料夾與檔案）



目前的解決方案有四種 :

方案一) 一般人常用的方式, 就是 USB 連接線拔掉,  然後重新接上, 看看電腦是否已有同步更新, 不過這方式不是對所有手機都有效.

電腦透過 FTP 無線連線到 Android 手機存取檔案

當您想到將 Android 手機上的檔案, 複製到電腦,

除了透過 USB 連接線將手機與電腦連線之外,

若手邊剛好沒有 USB 連接線, 這時候可以透過無線連接方式,

無線連接方式, 目前我常用的就是藍芽連線（傳輸速度慢）, 或者 FTP 連線（傳輸速度快）,

這篇文章, 就是介紹電腦如何透過 FTP 無線連接手機, 進行檔案的存取,

參考方式, 如下 :

1) 首先, 手機要先安裝 File Manager + 這個 App,

它除了是檔案管理員之外, 也可以是音樂播放器, 還可以將 App 匯出成 APK, 另外雲端連線、電腦連線都有支援,

相當非常好用.


2) 手機與電腦需連線到同一個行動網路, 若您手機有行動網路, 則開啟 "無線基地台", 然後電腦連線到這個 WiFi.

Android Studio (base on IntelliJ IDEA) 自訂程式風格

在 Android Studio 或者 IntelliJ IDEA 中,

其 Java 預設的程式風格, 有些緊湊, 如下範例, 雖然有些人喜歡, 但有些人就不是很喜歡 :


可以在 Menu: File > Settings 作業中進行設定修改, 參考步驟如下 :