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。
技術, 實作解析 利用Apple神經網路引擎,實作 Image Segmentation 對 AI 工程師來說,Apple 處理器上特別的 16 核心神經網路引擎(Neural Engine)帶來了顯著的速度提升,且在手機端的執行速度也有不錯成效。本次,我們將針對「模糊化背景」的情境進行實地測試任務。
技術, 實作解析 讓ChatGPT也能幫忙算數學:利用LangChain agent,擴展ChatGPT的工具箱 ChatGPT 顯然不太擅長某部分的問題,但我們可以加入一些巧妙的設計,讓它在窘迫時,可以呼叫外部工具來解決問題。
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。
實作解析, 技術 利用LangChain實作ChatPDF:問個問題,輕鬆找出文件重點 「一週又過去了,這次meeting的期刊報告你準備好了嗎?」、「說好的產業分析報告整理得怎麼樣了?」以上場景是否讓人覺得似曾相識?
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。
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。
實作解析, 技術 SVM的利器:基於三角函數的新核函數 支持向量機(Support Vector Machine, SVM)是機器學習中著名的演算法之一,1992年由Boser et al.提出後,被應用於許多不同領域。