AIF 技術發展中心

財團法人人工智慧科技基金會(AIF)以促進產業之人工智慧科技提升、應用發展及社會永續為宗旨,以客製化訓練、知識推廣及專案服務,賦能企業建立自己的 AI 團隊,發揮既有優勢、提升價值並促進轉型。AIF 技術發展中心不僅關注科技技術的提昇,也持續致力於科技人才的培育,為台灣的科技生態注入新的能量。

27 篇文章
用 MLDE 平台實作 PyTorch 卷積神經網路模型
MLOPs, 實作解析, 技術

用 MLDE 平台實作 PyTorch 卷積神經網路模型

機器學習模型的開發過程中,為了讓模型效能更好,通常資料科學家會設計實驗,擬定要嘗試的模型並對各個模型嘗試不同的超參數組合,以便從中找出表現最好的組合。正是因為要嘗試的組合非常多,可以想像過程中所產生的結果也不可計數,過往需要仰賴人工手動填寫表格,以利管理。

利用 PyTorch Lightning 與 CoreML 實現在 Apple 神經網路引擎進行加速運算
實作解析, 技術

利用 PyTorch Lightning 與 CoreML 實現在 Apple 神經網路引擎進行加速運算

自 Apple 公司在自主研發處理器上取得成功後,各家媒體多將焦點放在卓越的媒體製作效能,以及不同情境下,處理器的效能檢測結果,卻忽略了 Apple 處理器上特別的 16 核心神經網路引擎(Neural Engine)。對 AI 工程師來說,不免好奇神經網路引擎是否能帶給大家不同的體驗以及使用方式。因此,本文將與大家分享 python 調用 Neural Engine 的方法,從 Neural Engine 執行結果所花費的時間來看,速度加速非常顯著。

圖像生成是如何運作?用Pytorch實作Stable Diffusion!
技術, 實作解析

圖像生成是如何運作?用Pytorch實作Stable Diffusion!

近期十分熱門的AI繪圖模型,除了Midjourney外,另一個同樣受到討論的就是Stable Diffusion了,除了知道如何應用它生成所需的圖片之外,本篇文章將深入說明從文字生成圖片的過程中,需要經過哪些步驟以及當中一些有趣的模型。我們將使用Pytorch框架及hugging face上訓練好的模型,實際進行Stable Diffusion的流程。

玩轉 Scikit-Learn Pipeline:實現快速高效的機器學習流程
實作解析, 技術

玩轉 Scikit-Learn Pipeline:實現快速高效的機器學習流程

Scikit-learn 是 Python 中流行的機器學習框架之一,提供豐富的機器學習演算法和工具,讓使用者可以方便地進行數據分析和建立模型。在機器學習流程中,經常需要進行資料前處理、特徵選擇和模型選擇等一系列步驟,為了簡化這些步驟,Scikit-learn 提供 Pipeline 工具,讓人可以更輕鬆地構建和評估機器學習模型。