前言 深度學習是一種機器學習的方法。它藉由模仿人類大腦神經元的結構,定義解決問題的函式。所謂深度學習是一種具有深度多層的神經網路。機器可以自行學習並且理解機器學習時用以表示資料的「特徵」,因此又稱為「特徵表達學習」,其應用包括:影像分類、機器翻譯…等。
前言 如果臨時要修改專案的名稱僅修改資料夾名稱是無效的,內部的 Package Name 是在建立專案時即設定了。因此本文教會教各位如何在 Android Studio 將所有的專案路徑一並重新命名。
前言 最近正在進行 Android 影像相關的開發,透過 BitmapFactory 載入本地資料夾內的影像檔。但是載入後發現 decodeResource 後的影像大小遠比實際的影像畫素還來得大。若要避免載入影像時被縮放,可以參考以下的解法。
前言 當在開發時想要測試某一段程式內容。定且透過 try…catch 來接收例外訊息。當你想實際測試模擬例外時發現沒有錯意可以丟,因此這篇文章教教你如何客製化一個例外事件。
前言 近日在 Kaggle 打比賽偶然看見有人使用 CatBoost 方法取得不錯的成績,於是就來撰寫文章順便來瞧瞧它與其他 boosting 演算法不同之處。其中最特別的地方是 CatBoost 能夠處理非數值型態的資料,也就是説無需對數據特徵進行任何的預處理就可以將類別轉換爲數字。CatBoost 採用決策樹梯度提升方法並宣稱在效能上比 XGBoost 和 LightGBM 更加優化,同時支援 CPU 和 GPU 運算。與其他 boosting 方法相比 CatBoost 是一種相對較新的開源機器學習算法。該演算法是由一間俄羅斯的公司 Yandex 於 2017 年所提出,同時在 arxiv 有一篇 CatBoost: unbiased boosting with categorical features 的論文,文中作者有說明 CatBoost 的方法與優點。
前言 在進行機器學習時常常需要透過 pandas 讀取本機中的 csv 檔案。若當你的檔案是放在雲端的時候可以直接讀取網址並下載並轉成 dataframe 格式嗎?答案是可以的。在本篇文章將教各位兩種讀取放在 Google Drive 與 GitHub 上的 csv 檔案。
前言 在進行 Android APP 開發的時候,特別是在處理影像時會出現以下的錯誤訊息:
問題 最近在執行 Android TensorFlow Lite 影像辨識的專案,一張影像辨識都很正常。當連續多張影像要辨識時就會跳出以下錯誤訊息: