這裡介如何使用自己的資料，以 TensorFlow Object Detection API 訓練出適用於特定物件的模型，建立自己的物件辨識系統。 在 TensorFlow Object Detection API 自動辨識物件教學文章中，我們是直接使用既有已經訓練好的模型來辨識物件，但如果我們有一些比較特別的物件需要進行辨識，而這些物件又沒有被包含在既有模型中的話，就沒辦法直接使用既有的模型，這時候就需要先蒐集一些該物件的影像與標註資料，進一步訓練模型後，才能讓模型辨識出比較特別的物件。 ...
本篇介紹如何使用 LabelImg 這個免費的影像標註工具，標示照片中的物體，製作成可用來訓練深度學習引擎的輸入資料集。 在使用深度學習來實作影像的物件偵測時，都會需要有大量的已知資料集，也就是照片加上物件的所在位置以及物件的名稱，而通常若要準備這類的資料，初期都會使用人工的方式來手動標註，而 LabelImg 就是用來標註照片中物體位置與名稱的小工具。 ...
本篇介紹如何指定 TensorFlow 與 Keras 程式所使用的 GPU 顯示卡與記憶體用量。 在 TensorFlow 或 Keras 中使用 NVIDIA 的 GPU 做運算時，預設會把整台機器上所有的 GPU 卡都獨佔下來，而且不管實際需要多少顯示卡的記憶體，每張卡的記憶體都會被佔滿，以下介紹如何調整設定，讓多張顯示卡可以分給多個程式或多人使用。 ...
這裡介紹如何使用 TensorFlow 內建的 Keras API 實作手寫數字辨識 CNN 程式。 Keras 是一套高階的深度學習工具，今年 Google 將其納入 TensorFlow 的核心模組當中，發表於 TensorFlow Dev Summit 2017，也就是說未來只要安裝好 TensorFlow 之後，就可以直接使用 Keras 的 API 函數，不需要另外安裝。 ...
本篇介紹如何在 CentOS Linux 中安裝與使用 Keras 這套深度學習工具。 談到深度學習（Deep Learning）的工具，大家都會想到 TensorFlow 這類的底層 framework，這類的基礎的 framework 由於保留了非常多的彈性空間，導致使用上比較不方便，如果想要快速進行依些簡單的問題測試，就可以使用 Keras 這類的高階工具。 ...