一、概述 近年來，電腦視覺(Computer Vision) 領域迎來了重大改革，從過去一個一個從像素處理(Pixel) 的方式，已經轉變成由「大數據(Big Data)」來統計出所謂「模組(Model) 」的 深度學習(Deep Learning) 應用方式。更何況是顛覆人類想像的生成式 AI (

前言         之前有寫過一篇Python深度學習1：Google Colab介紹，而2023年5月17日 Google I/O大會發佈Google Colaboratory（Colab）加入全新的AI模型Codey，功能包含程式碼生成、程式碼補全、除錯及聊天機器人。   介紹        

► 前言 AI圖像資料增強是一種通過對原始圖像進行一些變換，來增加訓練資料的數量和多樣性的方法。這種方法可以幫助提高模型的泛化能力，減少過擬合(Over-Fitting)，並提升影像辨識效果。本篇博文將介紹AI圖像資料增強的定義、方法和優缺點。 ► 介紹 AI圖像資料增強是一種在不改變圖像本質的情況

► 前言 上篇文章「Pytorch數據分析2-Ames,iowa房價預測」，講解Kaggle競賽-Ames,iowa房價預測採用自定義模型並結合DataLoader對於數據進行批量化處理來進行模型訓練並透過Colab搭配程式碼來進行模型訓練與驗證，讓大家能夠更了解 PyTorch 在數據分析的應用

► 前言 上篇文章「Python數據分析1-鐵達尼號生存預測分析」，講解Kaggle競賽-鐵達尼號生存預測資料集採用自定義模型並結合DataLoader對於數據進行批量化處理來進行模型訓練並透過Colab搭配程式碼來進行模型訓練與驗證，讓大家能夠更了解 PyTorch 在數據分析的應用 ，本篇將講解

一.   概述 本文將介紹一套非常好用的一個免費資源，由 Google 所提供的 Colab 這項雲端服務。 延續上一章節的理念，此系列的目的為工具書導向，這裡將介紹如何利用 Colab 建立一套物件辨識應用，讀者僅須要依照步驟，按部就班即可完成實作!! 時不宜遲，趕緊動手操作吧!! 如下圖文章架構

一.   概述 本文將介紹一套非常好用的一個免費資源，由 Google 所提供的 Colab 這項雲端服務。 延續上一章節的理念，此系列的目的為工具書導向，這裡將持續介紹一些實用的技巧應用。首先會分享一些筆記本撰寫的相關技巧，以及 HMTL 的跑馬單應用。接著，將介紹在 Colab 平台中程式註解的

► 前言 上篇文章「Pytorch 基礎學習3: 圖像分類模型訓練」，講解Kaggle競賽-貓狗影像辨識資料集採用自定義模型並結合DataLoader對於數據進行批量化處理來進行模型訓練並透過Colab搭配程式碼來進行模型訓練與驗證，讓大家能夠更了解 PyTorch 在圖像分類辨識的應用 ，本篇將講

► 前言 最近老闆要讓我們研究AI Model Efficiency Toolkit (AIMET)，因此進行一些研究，發現可以在Google Colab上安裝，讓沒有高規格電腦的人也能使用，Colab介紹及使用可以參考「Python深度學習1：Google Colab介紹」，AIMET環境建置參考

►前言        上篇文章「Pytorch 基礎學習2_Dataset與DateLoader」，講解Dataset類別可以輕鬆地建立一個自定義的Dataset，並通過DataLoader就能夠在訓練模型時載入資料進行模型訓練，本篇主要講解Kaggle競賽-貓狗影像辨識資料集採用自定義模型並結合D