PlaidML

前陣子 Apple 發表了新筆電,卻僅止搭配 AMD GPU, 讓我滿心期待可以使用 NVIDIA 訓練 Tensorflow 模型的期望落空。(森氣😤)

在閱讀了這篇文章後,下載了 PlaidML 來試用,它有試驗級功能:支援 Mac + OpenCL GPU(Intel/AMD) 或是原生的 Metal API, 來訓練神經網路,好開心啊!

PlaidML 是一套開源機器學習加速庫,希望讓使用者透過 Keras APIs 直接使用(任何一家的)GPU 來運算,也就是支援 Intel/NVIDIA/AMD/Apple Metal. 看到這裡,不禁讓我有些心動,於是下載來試用。
http://vertex.ai/blog/announcing-plaidml

Continue reading

讀後摘要 DpLRN with TF 2/E – part 1

Supervised LRN

  • 使用 labeled/pre-defined training data
  • 缺點:problem of generalization
  • 典型 workflow:
    1. 切分資料為:training, development/validation, test sets
    2. 使用 training set 訓練模型
    3. 訓練時,使用 validation set 驗證 training set, 減輕 overfitting. 以及 regularization 模型
    4. 使用(模型未曾見過的) test set 評估模型效能
    5. Tuning model based on hyper-parameter optimization
    6. Deploy best model into a production-ready environment
  • 有「分類」以及「迴歸」兩種:依照輸出是否為連續值來判斷。
  • 分類問題中,要注意「Unbalanced (input) data」:
    * Little unbalanced: 60% for one class, 40% for the other class
    >> 此時需要將 data 隨機分為三份:50% training, 20% validation, 30% testing

    Pasted Graphic 2

Continue reading

Kaggle 初體驗

近日開始練習 Kaggle 上的一些題目,意外發現官方的初學者教學,意外寫得好!(大開心😀)
教學主要分成 Machine Learning, R 語言, Data Visualization, Deep Learning 四個部分。

不推薦的話,良心會不安~ XD

kaggleBannder
注:本圖擷取自 www.kaggle.com/learn 網站

Tensorflow from Beginning

  1. 官方教學網頁
  2. 官網 – 大陸中文翻譯版
  3. Stanford University: CS20 課程
  4. 文章: Tensorflow for tutorial for beginners
  5. 原文:TensorFlow Tutorial For Beginners
  6. Setting Up Your Python Environment on a Mac

配置 Python for Mac OS X

這邊我們介紹不污染原先作業系統的方式,安裝支援最小套件的 miniconda (或完整套件的 anaconda)包。

同時,亦會介紹安裝針對 Intel 晶片加速 python 性能的套件安裝。

來源參考:

  1. https://www.davidculley.com/installing-python-on-a-mac/
  2. http://www.jianshu.com/p/c2707161e707

Continue reading