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 :