前言 Tensorflow 有三種模型儲存方式。第一種是存成 checkpoint 檔(.ckpt)，使用時機是訓練過程中欲保存目前 session 狀態。第二種是存成 pb 檔(.pb)，如果模型架構已確定或是訓練已結束，準備匯出應用時，可以直接存成 pb 檔。第三種是 Keras (目前已合併到 TF2.0) 的 save() 直接存成 HDF5 檔(.h5)，HDF 是設計用來儲存和組織大量資料的一組檔案格式，其內容包含了模型架構與權重。本篇文章透過波士頓房價預測資料集，訓練一個 DNN 模型並示範如何匯出與載入 .pb 和 .h5 模型檔。
前言 此範例透過 Android Native C++ 與 OpenCV 4.5.1 來執行電腦視覺專案。將會以 2020 年開源的 SIFT 演算法來計算圖片的特徵點。
前言 在機器學習模型訓練之前往往會先進行資料處理。常見的處理方式是採用 sklearn.preprocessing 的 API，裡面提供許多種資料前處理技巧。例如 StandardScaler、MinMaxScaler…等，更多詳細內容可以參考這篇。然而在模型上線時，實際現場取得的資料要如何處理呢？想想看，我們為了讓模型有更好泛化能力，必須採用訓練集的資料的基準為新的一筆資料進行縮放前處理。因此我們可以先將 fit 好的 Scaler 模型儲存起來，如果每一筆新資料進來時就不用重新載入訓練集 fit() 一次 Scaler，而是直接載入 Scaler 後直接 transform()。
前言 當 APP 有多個頁面就必需採用 Intent 來實現多個 activity 之間的跳換。當然除了頁面跳換，也能同時將值傳遞過去到新的 activity。本文章就來教各位如何實作兩個 activity 頁面的跳轉，以及傳遞數值。
前言 當圖片畫素較高時，網頁就必須要花時間從伺服端下載。因此在網頁第一次載入時會等待圖片下載的時間，所導致空窗期等待。常見的解決方式就是加入 Loading 畫面，但是要如何透過 JavaScript 來監聽並接收圖片以載入完成的事件呢？下圖就是今天要簡單實作的範例。
前言 平時使用 Android Studio 模擬器進行除錯，有時候會直接將照片輸出至相簿中。但要如何進入資料夾將圖片複製出來呢？這時就可以採用 Device File Explorer 來幫助我們在 Android 設備上查看、複製和刪除文件。
前言 本論文提出一個以零為中心的高斯雜訊 (zero centered Gaussian noise) 來產生一個虛假的另一個類別在 latent space。透過交叉商計算誤差學習一條邊界來完整達到一元分類的需求。在此方法中，我們可以拿一個事先預訓練好的 CNN 模型當做基底網路。訓練一個可以分類一個種類的物件，可以應用在人臉辨識、瑕疵檢測、新奇點和離群值檢測。以新奇點偵測來說，假設我們有一堆狗的相片，我們的目標就是要讓模型辨識輸入的照片是否為狗。
前言 使用 Android 開發的使用者通常都會利用內建的模擬器來除錯，若進行編譯時出現下錯誤訊息: