JianJieCoding筆記(11): Tensorflow softmax_cross_entropy_with_logits在使用Tensorflow時，我們會自己實現Cross Entropy Function，但在實現過程中，會發現其結果會與Tensorflow本身的Function有些差異。Feb 12, 2022Feb 12, 2022
JianJieDL、ML筆記(23): YOLO v4 Reference(4): Attention Module、Feature IntegrationYOLOv4: Optimal Speed and Accuracy of Object DetectionDec 28, 2021Dec 28, 2021
JianJieDL、ML筆記(22): YOLO v4 Reference(3): Enhance Receptive FieldYOLOv4: Optimal Speed and Accuracy of Object DetectionDec 10, 2021Dec 10, 2021
JianJieDL、ML筆記(21): YOLO v4 Reference(2): Data Imbalance、Bounding Box RegressionYOLOv4: Optimal Speed and Accuracy of Object DetectionNov 23, 2021Nov 23, 2021
JianJieDL、ML筆記(20): YOLO v4 Reference(1): Data AugmentationYOLOv4: Optimal Speed and Accuracy of Object DetectionNov 11, 2021Nov 11, 2021
JianJieDL、ML筆記(19):Federated Learning聯邦學習在以往，機器學習方法需要將訓練數據集中在一台機器或是數據中心，但在現實情況下，可能遇到無法收集資料的狀況，像是個資或是企業資源的問題，而且資料的隱私權是一個在近年來受到更重視的問題，陸續推出了多個相關的法案。Nov 4, 2021Nov 4, 2021
JianJieCoding筆記(10): Multi-Thread 多執行緒現在所使用的CPU通常具有多核多執行緒的功能，而執行程式通常只會使用到一顆核心，但想要充分的發揮多核心硬體的運算能力，就需要使用多執行緒(Multi-Threading)或多行程 (Mult-Processing)等的平行運算技術Oct 28, 2021Oct 28, 2021
JianJieDL、ML筆記(17):Deep One-Class Classification在現實生活中，有越來越多正負樣本不均的情況，像是瑕疵檢測、癌症預測等，這些狀況可能會是幾萬筆資料中只有幾筆資料的懸殊比例，使用目前常見的CNN Classifier會難以檢測，正負樣本過度懸殊會使分類器學習資料量多的類別來達到較高的準確率，資料量少的類別幾乎無法被檢測出。Oct 3, 2021Oct 3, 2021
