深度學習
含有「深度學習」共 132 篇內容
全部內容
發佈日期由新至舊
本文介紹深度學習框架TensorFlow和PyTorch，以及CPU、GPU、CUDA如何影響運算效能。TensorFlow適合企業應用和大型模型部署，PyTorch更靈活，適合研究和開發。GPU透過CUDA加速運算，大幅提升訓練速度，尤其在大規模數據和深度神經網路訓練時。
學了很多，卻越學越迷茫？你可能掉進了教條化學習和工具化學習這兩大陷阱！教條化學習讓你死背標準答案，不敢質疑，結果學了卻不會用；工具化學習則是為了解決眼前問題，快速學完就丟，根本沒累積長遠能力。真正有效的學習，不是記住更多知識，而是靈活應用與深入理解！學會質疑、連結、實踐，你才能真正掌握學習的力量！
謝謝您的分享。思考是學習的第一步。
很常聽到深度學習，但到底是在學些什麼？今天來跟我一起學習一個重要的概念：
多層感知機（MLP, Multi-Layer Perceptron）是最基礎的神經網路之一。它雖然簡單，卻是許多進階模型的基礎，例如 CNN（卷積神經網路） 和 Transformer（變換器）（某論文），用於處理自然語言模
重點整理前 OpenAI 創始成員 Andrej Karpathy 的教學影片：Deep Dive into LLMs like ChatGPT，了解 LLM（大型語言模型）的運作原理，包含 LLM 基本架構與運作機制、訓練的三大階段、未來趨勢等。
剛看完第一個小時，正評估要自己做筆記時，這篇文章拯救了我 😆
感謝作者這麼詳細整理! 立刻按讚收藏
DeepSeek，這個近期引發爭議的 AI 工具，我的發文也在現實生活中引起一些爭議，對此就用這篇做個簡短回應。過去這段時間發文的目的，是為了加強應用面的討論，無論是優點還是缺點，DeepSeek 代表著科技進步的方向，為我們提供了新的工具選擇，讓我們在不斷變革的科技世界中更好地理解 AI 的未來。
「AI 教父」辛頓示警，AI 發展存在不可控、欺騙及挑戰人類獨特性三大風險。他從 Google 離職以自由發聲，並強調數位運算雖促成 AI 知識快速共享，卻也可能導致失控。企業應對此浪潮，需重視模型權重控管、辨識偽造內容、處理 AI 偏見，並積極推動人才轉型，在 AI 的機遇與風險中找到平衡點。
研究指出，若在每次迭代中缺乏足量且新鮮的真實資料，生成模型的品質與多樣性都會逐漸退化，最終將陷入所謂的模型自嗜的狀態。
數據的同質化確實是需要注意的，大數據抓取中庸最可能的職，而少掉了個性。久了自然所有答案就成為都一樣的情況。
知識的本質，不僅僅在於擁有，更在於如何運用與創造。
當我們將知識視為一個靜態的寶藏時，往往忽略了它隨時變動與演化的特性。同時，對知識僅停留於記憶與接受，也限制了我們將其轉化為實際能力的可能性。如果不改變這些錯誤觀念，我們就無法真正釋放知識的力量。
現在，是時候打破這些誤區，重新審視知識的真正價值
本文章提供深度學習(Deep Learning)、深度神經網絡(DNN)、卷積神經網絡(CNN)和遞歸神經網絡(RNN)的簡介，並包含它們的定義、應用場景、基本結構、工作原理、優缺點和Python範例。
