以前自已摸索深度學習時，都是使用現成的資料集去實作相關程式碼，例如 MNIST 數字集、Cifar10 …等，網路上也充斥各種範例程式，雖然可以很快去完成一支訓練程式，很輕鬆的建構出神經網路架構 (ctrl+c ctrl+v)，殊不知，讀資料才是最重要的XD 也因為對於資料讀取這件事不夠了解，所以要換成自己的資料就卡關了，也不知道如何製作輸入影像及標記資料，間接導致換資料變得很困難，至少對於一些本身背景就不是寫程式的人更是如此，也因此我們除了學習相關 API 之外，也應該學習如何建立及讀取資料。 本文使用 tensorflow2 + keras API 實作 Unet 架構，並嘗 …

用法 lambda 輸入參數: 運算式 ie. 基本範例 add1 = lambda x: x+1 print(add1(10)) # 會印出 11 ie. 進階範例 其實只是用tensorflow.data.Dataset中，用到map這個function時，可以搭配lambda來輸入外部參數，我也不知道算不算進階XD def parse_fn(dataset, **kwargs): x = dataset["image"] y = dataset["label"] x = tf.cast(x, tf.float32) / 255.0 if …

Complex-value Convolutional Neural Network with KERAS 文章開始前，首先感謝 臺師大光電所 鄭超仁老師、逢甲大學 林立謙老師的指導，也感謝碩班期間和我一起研究的黃彥傑學長、王炫棨同學、劉吉富同學，一同開發出 Complex-Valued Convolutional Neural Network 相關程式。 本文閱讀須知 本文主要目的是分享一些開發經驗，將當時的思考方式跟做法提供各位參考，所以不會去講很難的數學模型、理論推導等讓人摸不著頭緒的東西，盡可能以最簡單的方式進行說明，快速了解一些基本概念後，能夠找到開發程式的方向。 在正文開始前，我會 …

前言 這陣子常需要把KERAS的weights取出來，然後在別的地方使用。 怕忘記先把作法記錄下來，也順便紀錄一下我自己如何執行存模型、載入模型的過程。 模型輸出與載入 這邊先假設我已經用KERAS訓練好一個模型，那我會把訓練好的模型輸出幾種檔案，等需要進行預測時，直接載入這些檔案即可。 模型架構 conv » relu » pool » flat » fc1 » relu » dropout » fc2 » softmax from tensorflow.keras import layers …

前言 如果說今天許多檔案的命名具有一定規則時，代表這些檔案是有一些關係存在，要是這些檔案數量超過好幾百、好幾千筆、甚至好幾萬筆，這些規則可以幫助我們快速找到資料。那要如何根據命名規則來快速篩選檔案呢？對於 Python 來說，可以使用 re 正則表達式，來幫助我們完成上面的工作。 string_rule = r"\d\d\d" rule = re.complie(string_rule ) results = rule.search(rule, msg) 可以直接套用 re 模組的函數，就不用先 re.complie(r"string_rule") …

上一篇文章已經介紹了 tf.data.Dataset 這個 API，也找出我最常用的兩個方式，一個是 tf.data.Dataset.from_tensor_slices，另一個是 tf.data.Dataset.from_generator。 但是我在複習相關程式碼過程中，發現其實只要用**tf.data.Dataset.from_tensor_slices，**就能滿足我所有需求了。 資料讀取的情況，我目前大致分成三種： 先用 NumPy Array 進行前處理，再轉成 Dataset 形式。 先把 NumPy Array 轉成 Dataset 形式，再使用 map() 函數進行前處理。 …