Readmoo 讀墨電子書
BL大哉問 每日優惠 版權到期
AI影像深度學習啟蒙 : 用python進行人臉口罩識別
0 則劃線
0 篇書評

AI影像深度學習啟蒙 : 用python進行人臉口罩識別

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2021/10/01
  • 語言：繁體中文
  • 檔案大小：59.6MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9789860776416
  • eISBN: 9789860776508
  • 頁數： 740
紙本書定價：NT$ 880
電子書定價：NT$ 880
電子書售價：NT$ 704
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

本書涵蓋的內容有
★線上平台COLAB使用教學
★本機電腦Jupyter使用教學
★基本運算、變數與字串
★串列、元組、集合與字典
★流程控制if else
★流程控制for與while
★函數、類別與物件
★資料夾與檔案處理
★txt、csv、json文件的讀寫
★基礎套件的使用
★Numpy的使用
★OpenCV的使用
★完整Tensorflow安裝流程
★Tensorflow的使用
★類神經網路(ANN)原理與實作
★卷積神經網路(CNN)原理與實作
★模型可視化工具Netron的使用
★口罩識別模型教學
★影像串流與實時口罩識別

喜歡這本的人，也看了...

  • 胡嘉璽
    深智數位股份有限公司
    電子書 NT$ 864

    ►►►重量級Claude Code手冊◄◄◄ ►►►涵蓋最新更新Agent Skills內容◄◄◄ ►►►從新手晉升為高手◄◄◄ ★內容介紹 ☆Vibe Coding 時代第一名的 AI 開發助手 Claude ...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書 NT$ 608

    ☆一句話下指令，Claude 就是你的全能桌面助理。 ☆不用寫程式，不用學指令，只要會打中文，就能讓 AI 幫你做事。

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書 NT$ 864

    ►128 GB 統一記憶體，桌上跑 120B 大型語言模型，不需要雲端 ►七大推論引擎完整實測：Ollama、vLLM、TRT-LLM、SGLang、NIM、llama.cpp、LM Studio ►實作 An...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書 NT$ 520

    https://youtu.be/aCXqTqqQzVY Gemini 3 x NotebookLM 領軍 Nano Banana Pro x Veo x Whisk x Flow x Gem Google 多模態 AI 工作流 本書內容 ☆★☆從 Gemini...

    試讀
  • 曾信超 曾琬婷
    超人出版社
    特價 電子書 NT$ 500

    《AI超級Agent》是一部顛覆傳統工作模式的智慧指南！本書以生動案例與清晰步驟，帶你打造專屬 AI 超級助手，從行政到決策全面升級。它不只是一本技術書，更是...

    試讀
  • 黃子靜 張峮瑋
    深智數位股份有限公司
    電子書 NT$ 704

    ★國內金控現職量化交易研究人員傳授從量化分析到真實交易系統建置，一本書全學會 ☆量化統計專家 + 程式交易員共同帶你使用 Python 攻略台股量化分析及自動交...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書 NT$ 496

    NotebookLM筆記術 打造你的AI「第二大腦」 ★☆★ 從「抄重點」走向「理解與輸出」 ★☆★ ★☆★ 多來源整合 x 提問思考 x 知識累積 ★☆★ ★☆★ 學生、教師、上班...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書 NT$ 544

    ChatGPT 5.5 全能工作術 對話、圖像、資料分析到智慧體與自動化應用 ☆★☆ 國內第 1 本 ☆★☆ ☆★☆ AI 不只聊天，開始真正替你工作 ☆★☆ ☆★☆ 從聊天機器人...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書 NT$ 480

    AI高效學習術 人工智慧時代學得更聰明 本書內容 ☆★☆在 AI 時代，會學習才是真本事☆★☆ ☆★☆不是學更多，而是學得更聰明☆★☆ ☆★☆讓 AI 當思考教練，而不是...

    試讀
  • 曾慶良（阿亮老師）
    博碩文化
    出版日期：2026-04-16
    電子書 NT$ 750

    ✦ 提供詳細的NemoClaw安裝教學 ✦ AI工具打造24小時助手 ✦ 實作查天氣、行程、自動化排程與提醒 ✦ 串接LINE APP，一下指令馬上執行功能 ✦ 提供簡易記帳、...

    試讀
  • 董建祺 劉柔萱 劉嘉玲
    深智數位股份有限公司
    電子書 NT$ 544

    用 Colab × Gemini × BERT × Apps Script 完成爬蟲、AI 標註、模型訓練與智慧儀表板， 做出你的第一個可上線 AI 產品。

    試讀
  • 石田保輝 宮崎修一
    臉譜
    電子書 NT$ 385

    ★超人氣暢銷演算法學習書全新增訂版！新增7種演算法詳細圖解+「資料壓縮」，內容增補修訂！ ★全球超過250萬人使用，「Apple年度最佳APP」書籍化！ ★隨書附贈...

    試讀
  • 張凱慶
    張凱慶
    電子書 NT$ 100

    本書為整理 Python 官網文件，並提供可實際執行程式範例的參考手冊，換言之，大幅簡化 Python 官網文件的繁冗敘述，希望讓 Python 初學者能掌握內容，故名之...

    試讀
  • 和誠
    博碩文化
    出版日期：2026-04-26
    電子書 NT$ 890

    你曾被AI的浪潮震撼，卻不知道從何跟上？

    試讀
  • 陳會安
    博碩文化
    出版日期：2022-05-21
    電子書 NT$ 490

    ◼不只學會 Python，還要讓它「真正」進入你的日常生活！ ◼從語言入門、圖片影音處理、辦公室自動化到 AI 辨識系統一次上手！ ◼活用 PIL、Pandas、OpenCV、M...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書 NT$ 704

    ＼\國內第一本！OpenClaw實戰專書 /／ AI 助理不只住在手機裡。OpenClaw 是第一個真正能「坐在你電腦前幫你做事」的開源 Computer Agent，從開啟軟體、填...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2022-06-01
    電子書 NT$ 496

    重磅回歸！30 年功力＋30 萬冊累積銷售！ 洪錦魁老師 全新著作 ——「C」最強入門邁向頂尖高手之路 —— 王者歸來 【C 語言入門到大型專案】✕【大量完整的...

    試讀
  • 陳正瑋
    博碩文化
    出版日期：2022-12-07
    電子書 NT$ 490

    ──── 全新改版 ──── 配合 GitLab 15 全新改版，內容增量 1.5 倍 更多圖片、更多文字、更多延伸思考及更多的實戰經驗， 大幅改寫第一版超過一半以上的內...

    試讀
  • OXXO（張宗彥）
    深智數位股份有限公司
    電子書 NT$ 544

    ★☆★ AI 影像辨識一本精通！ ★☆★ ★☆★ 超過 200 個完整範例程式碼 ★☆★ AI 影像辨識是近年來非常夯的議題，隨著資訊科技的蓬勃發展，越來越多好用的工具推陳...

    試讀
  • 黃正達 蔡旻嶧 王旭正
    博碩文化
    出版日期：2022-06-12
    電子書 NT$ 450

    基礎醫學影像系統：認識醫學影像系統中，會使用到影像處理的醫學影像技術，其中包括了電腦斷層掃描、核磁共振成像、正電子掃描、超音波等等，並了解其原理與...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書 NT$ 632

    ►《AI之眼》—— AI視覺時代的必讀指南！◄ ►幻影操控 × AI變臉 × 人臉識別 × 手勢追蹤◄ ►解鎖 AI 影像技術 × Python打造 AI 創意應用！◄ 「AI變臉、表情分...

    試讀

    • 詳細資訊

    "本書涵蓋的內容有
    ★線上平台COLAB使用教學
    ★本機電腦Jupyter使用教學
    ★基本運算、變數與字串
    ★串列、元組、集合與字典
    ★流程控制if else
    ★流程控制for與while
    ★函數、類別與物件
    ★資料夾與檔案處理
    ★txt、csv、json文件的讀寫
    ★基礎套件的使用
    ★Numpy的使用
    ★OpenCV的使用
    ★完整Tensorflow安裝流程
    ★Tensorflow的使用
    ★類神經網路(ANN)原理與實作
    ★卷積神經網路(CNN)原理與實作
    ★模型可視化工具Netron的使用
    ★口罩識別模型教學
    ★影像串流與實時口罩識別

    這是一本想給非資電領域或初學者的入門書籍，內容從基礎語法開始，使用日常所見的比喻協助理解，在AI類神經網路的基礎部分，使用大家都熟悉的二元一次方程式來切入，多以圖表來說明概念，避免艱澀的數學推導，一步一步講解建立深度學習模型的步驟，書本最後還帶入口罩識別模型的教學實例，協助讀者從頭到尾完成一個專題，讓AI更貼近你我的生活。"

    目錄列表

  • AI影像深度學習啟蒙 : 用python進行人臉口罩識別
    1. 目錄
      1. CH01 作者自序與前言
        1. 1-1 作者自序
        2. 1-2 前言
          1. 1-2-1 生活裡遇見AI
          2. 1-2-2 人工智慧有多熱門？
          3. 1-2-3 關於Python
          4. 1-2-4 小結：
      2. CH02 安裝Python 與編輯環境
        1. 2-1 編輯環境的選擇：Colab 與Jupyter
        2. 2-2 Colab 的介面使用說明
        3. 2-3 Jupyter 的安裝
        4. 2-4 Jupyter 的使用
          1. 2-4-1 Jupyter 介紹
          2. 2-4-2 Jupyter 的介面使用說明
      3. CH03 Python 的運算
        1. 3-1 print 函數與程式碼註解方式
          1. 3-1-1 第一個也是最常用的函數print（）
          2. 3-1-2 程式碼的註解方式
        2. 3-2 四則運算
          1. 3-2-1 加減乘除
          2. 3-2-2 多次方運算
          3. 3-2-3 除法結果的整數與餘數
          4. 3-2-4 運算符號的優先順序
        3. 3-3 變數（Variable）
          1. 3-3-1 意義
          2. 3-3-2 從共同約定來看變數
          3. 3-3-3 命名規則
          4. 3-3-4 給值至變數（Assigning Values to Variables）
          5. 3-3-5 多重給值（Multiple Assignment）
        4. 3-4 數值型態（Numeric type）
          1. 3-4-1 整數：
          2. 3-4-2 浮點數：
          3. 3-4-3 運算後的數值型態
          4. 3-4-4 資料型態轉換（Casting）
          5. 3-4-5 使用科學記號表示（Scientific notation）
          6. 3-4-6 指派運算子（assignment operator）
          7. 3-4-7 布林值型態（boolean）
          8. 3-4-8 特殊形態None type
        5. 3-5 字串
          1. 3-5-1 跳脫字元（Escape Characters）
          2. 3-5-2 變數的身分識別碼（identity，id）
      4. CH04 流程控制之選擇結構 if else
        1. 4-1 前言
        2. 4-2 關係運算
        3. 4-3 邏輯運算
        4. 4-4 if else
          1. 4-4-1 使用說明
          2. 4-4-2 關於縮排（Indentation）
          3. 4-4-3 縮排發生的時機
          4. 4-4-4 縮排錯誤的情況
          5. 4-4-5 判斷敘述是否為True
          6. 4-4-6 判斷敘述是否為None
          7. 4-4-7 GPA 範例說明
          8. 4-4-8 使用input 函數輸入內容
      5. CH05 串列List
        1. 5-1 前言
        2. 5-2 串列的使用
          1. 5-2-1 串列的宣告
          2. 5-2-2 串列的讀取
          3. 5-2-3 串列的切片
          4. 5-2-4 串列放置不同類型的內容
          5. 5-2-5 串列裡放置串列
        3. 5-3 流程控制之重複架構 for 迴圈（for loop）
          1. 5-3-1 說明
          2. 5-3-2 for 迴圈的使用方法
          3. 5-3-3 巢狀迴圈
          4. 5-3-4 for 迴圈與if else 的搭配
          5. 5-3-5 減少程式的負擔，使用break 中斷程式
          6. 5-3-6 break 與for 迴圈的對應關係
        4. 5-4 物件的簡單概念（Object）
          1. 5-4-1 概念說明
          2. 5-4-2 物件方法查詢
          3. 5-4-3 執行方法後是否有回傳值（return value）
          4. 5-4-4 方法介紹
        5. 5-5 常用的基本函數
      6. CH06 元組（Tuple）
        1. 6-1 前言
        2. 6-2 元組的使用
          1. 6-2-1 元組的宣告
          2. 6-2-2 基本使用
          3. 6-2-3 讀取元組
          4. 6-2-4 元組的切片（slice）
          5. 6-2-5 型態的轉換
          6. 6-2-6 空元組的宣告
          7. 6-2-7 元組的方法
          8. 6-2-8 常用的基本函數
      7. CH07 集合（Set）
        1. 7-1 前言
        2. 7-2 集合的使用
          1. 7-2-1 集合的宣告
          2. 7-2-2 基本使用方式
          3. 7-2-3 型態轉換
          4. 7-2-4 集合的方法
        3. 7-3 使用Python 開發的應用或服務
      8. CH08 字典Dictionary
        1. 8-1 前言
        2. 8-2 字典的使用
          1. 8-2-1 字典的宣告
          2. 8-2-2 字典與集合的差異
          3. 8-2-3 宣告空字典
          4. 8-2-4 基本使用方式
          5. 8-2-5 修改字典內容
          6. 8-2-6 增加字典內容
          7. 8-2-7 標籤可以是數值
          8. 8-2-8 使用in 來確認標籤是否存在
          9. 8-2-9 字典內放置其他容器
          10. 8-2-10 字典的方法
          11. 8-2-11 一般常使用函數
      9. CH09 流程控制之重複架構while 迴圈（while loop）
        1. 9-1 前言
        2. 9-2 while 迴圈使用方式
          1. 9-2-1 基本使用方式
          2. 9-2-2 無限迴圈
          3. 9-2-3 使用旗標（flag）進行設計
          4. 9-2-4 pass 的使用
      10. CH10 函數（function）
        1. 10-1 前言
        2. 10-2 函數的使用方式
          1. 10-2-1 函數的定義
          2. 10-2-2 建立函數的步驟
          3. 10-2-3 簡單函數的範例說明
          4. 10-2-4 函數內的變數與其他變數的關係
          5. 10-2-5 參數的型態
          6. 10-2-6 使用*args 接收所有的引數
          7. 10-2-7 使用**kwargs 接收所有關鍵字引數
          8. 10-2-8 函數內進行引數的修改
      11. CH11 類別（class）與物件（object）
        1. 11-1 前言
        2. 11-2 類別的定義與初始化
        3. 11-3 物件（Object）概念
        4. 11-4 物件的宣告
        5. 11-5 建立類別的方法
        6. 11-6 繼承
        7. 11-7 建立私有屬性與方法
        8. 11-8 範例練習
        9. 11-9 預設屬性__doc__
        10. 11-10 特殊方法__str__（）與__repr__（）
        11. 11-11 物件的銷毀
      12. CH12 宣告的數值與字串也是物件
        1. 12-1 物件導向程式設計（Object-oriented programming）
        2. 12-2 宣告整數與浮點數物件
        3. 12-3 宣告字串的物件
          1. 12-3-1 format（）方法
          2. 12-3-2 split（）方法
          3. 12-3-3 endswith（）方法
          4. 12-3-4 startswith（）方法
          5. 12-3-5 find（）方法
          6. 12-3-6 strip（）方法：
          7. 12-3-7 replace（）方法：
          8. 12-3-8 upper（）與lower（）方法
          9. 12-3-9 capitalize（）方法
          10. 12-3-10 swapcase（）方法
      13. CH13 常用基礎套件介紹
        1. 13-1 套件（package）的定義
        2. 13-2 查看已安裝的套件
        3. 13-3 sys 套件的使用
        4. 13-4 math 套件的使用
        5. 13-5 random 套件的使用
          1. 13-5-1 randint（）
          2. 13-5-2 uniform（）
          3. 13-5-3 Choice（）
          4. 13-5-4 choices（）
          5. 13-5-5 shuffle（）
        6. 13-6 time 套件的使用
          1. 13-6-1 time（）
          2. 13-6-2 asctime（）
          3. 13-6-3 localtime（）
      14. CH14 資料夾與檔案的處理
        1. 14-1 前言
        2. 14-2 資料夾的處理
          1. 14-2-1 瀏覽資料夾os.scandir（）
          2. 14-2-2 使用Colab 的說明
          3. 14-2-3 os.walk
        3. 14-3 檔案的處理
          1. 14-3-1 os.path.exists
          2. 14-3-2 os.isdir（）
          3. 14-3-3 os.isfile（）
          4. 14-3-4 os.path.getsize（）
          5. 14-3-5 os.path.dirname
          6. 14-3-6 os.path.basename（）
          7. 14-3-7 關於絕對路徑與相對路徑
          8. 14-3-8 os.getcwd（）
          9. 14-3-9 os.path.abspath（）
          10. 14-3-10 os.path.join（）
          11. 14-3-11 os.makedirs（）
          12. 14-3-12 os.replace（）
          13. 14-3-13 os.remove（）
        4. 14-4 shutil 套件的使用
          1. 14-4-1 shutil.copy（）
          2. 14-4-2 shutil.move（）
      15. CH15 檔案的讀取與寫入
        1. 15-1 前言
        2. 15-2 檔案的寫入
          1. 15-2-1 Open（）函數：讀取與寫入的共用函數
          2. 15-2-2 write（）方法
          3. 15-2-3 關於文字文件
          4. 15-2-4 使用Colab 的方式
          5. 15-2-5 不同的區隔符號
          6. 15-2-6 儲存成CSV 檔案
          7. 15-2-7 writelines（）方法
          8. 15-2-8 附加資料
          9. 15-2-9 程式練習
        3. 15-3 檔案的讀取
        4. 15-4 JSON 檔案
          1. 15-4-1 JSON 檔案的寫入
          2. 15-4-2 JSON 檔案的讀取
          3. 15-4-3 notepad 工具的使用
      16. CH16 細說數值型態
        1. 16-1 基本單位
        2. 16-2 狀態多寡與位元的關係
        3. 16-3 數值與位元的關係
        4. 16-4 Byte 與Bit 的關係
        5. 16-5 KB，MB，GB 的關係
        6. 16-6 數值型態的介紹
          1. 16-6-1 數值型態int8
          2. 16-6-2 數值型態uint8
          3. 16-6-3 更多的整數數值型態
          4. 16-6-4 數值型態float
          5. 16-6-5 布林值
          6. 16-6-6 數值型態的實際意義
      17. CH17 Numpy 的介紹
        1. 17-1 前言
          1. 17-1-1 多維數列的概念
        2. 17-2 Numpy 套件的基本使用
          1. 17-2-1 Numpy 的特色
          2. 17-2-2 串列與ndarray 在使用上的差異
          3. 17-2-3 建立Numpy 陣列
          4. 17-2-4 建立一維陣列
          5. 17-2-5 建立二維陣列
          6. 17-2-6 建立三維陣列
          7. 17-2-7 建立更多維的陣列
        3. 17-3 常用屬性介紹
          1. 17-3-1 屬性shape 與ndim
          2. 17-3-2 屬性T（轉置）
          3. 17-3-3 屬性dtype
          4. 17-3-4 屬性itemsize
        4. 17-4 常用方法介紹
          1. 17-4-1 方法flatten（）
          2. 17-4-2 方法reshape（）
          3. 17-4-3 方法astype（）
        5. 17-5 多維陣列進行不同維度的計算（使用np.sum（））
          1. 17-5-1 多維陣列的軸（axis）
          2. 17-5-2 一維陣列的計算
          3. 17-5-3 二維陣列的計算
          4. 17-5-4 三維陣列的計算
        6. 17-6 函數np.mean（）
          1. 17-6-1 使用說明
          2. 17-6-2 一維陣列的計算
          3. 17-6-3 二維陣列的計算
          4. 17-6-4 三維陣列的計算
        7. 17-7 函數np.max（）與np.min（）
          1. 17-7-1 使用說明
          2. 17-7-2 一維陣列的計算
          3. 17-7-3 二維陣列的計算
          4. 17-7-4 三維陣列的計算
        8. 17-8 函數argmax（）與np.argmin（）
          1. 17-8-1 使用說明
          2. 17-8-2 一維陣列的計算
          3. 17-8-3 二維陣列的計算
          4. 17-8-4 應用時機
        9. 17-9 函數np.zeros（）
          1. 17-9-1 使用說明
        10. 17-10 函數np.zeros_like（）
          1. 17-10-1 使用說明
        11. 17-11 函數np.ones（）
          1. 17-11-1 使用說明
        12. 17-12 函數np.ones_like（）
          1. 17-12-1 使用說明
        13. 17-13 相加函數np.add（）
          1. 17-13-1 使用說明
        14. 17-14 亂數函數np.random.randint（）
          1. 17-14-1 使用說明
        15. 17-15 排列函數np.random.permutation（）
          1. 17-15-1 使用說明
      18. CH18 圖片的顯示
        1. 18-1 圖片的尺寸
        2. 18-2 灰階圖像與彩色圖像
        3. 18-3 灰階圖像的組成
        4. 18-4 彩色圖像的組成
        5. 18-5 圖片的格式
        6. 18-6 下載練習圖庫
        7. 18-7 OpenCV 的使用說明
          1. 18-7-1 關於opencv
          2. 18-7-2 安裝OpenCV
          3. 18-7-3 讀取影像
          4. 18-7-4 圖片的顯示（使用matplotlib）
          5. 18-7-5 轉換通道BGR 成RGB
          6. 18-7-6 轉換成灰階圖像
          7. 18-7-7 更改圖像的尺寸（放大或縮小）
          8. 18-7-8 擷取部分圖像
          9. 18-7-9 圖像的儲存
          10. 18-7-10 練習
          11. 18-7-11 建立四維的圖片資料
          12. 18-7-12 同時顯示多張圖片
      19. CH19 類神經網路的介紹
        1. 19-1 人工智慧（Artificial intelligence）其實只是統稱
        2. 19-2 機器學習（machine learning）
          1. 19-2-1 監督式學習（supervised learning）
          2. 19-2-2 非監督式學習（Unsupervised learning）
          3. 19-2-3 強化學習（Reinforcement learning，簡稱RL）
          4. 19-2-4 深度學習
        3. 19-3 回憶二元一次方程式
        4. 19-4 從二元一次方程式到機器學習
        5. 19-5 類神經網路（Artificial Neural Network）
          1. 19-5-1 神經元結構（Neuron）
          2. 19-5-2 模擬神經元單位
          3. 19-5-3 線性與非線性
          4. 19-5-4 激勵函數（activation）
          5. 19-5-5 單一神經元多個輸入
          6. 19-5-6 多個神經元與多個輸入
          7. 19-5-7 深度學習
          8. 19-5-8 類神經網路的目的
          9. 19-5-9 損失值（Loss）概念
          10. 19-5-10 正確答案（labels）
          11. 19-5-11 類神經網路的預測值
          12. 19-5-12 損失函數（loss function）
          13. 19-5-13 One-hot 編碼（One-hot encoding）
          14. 19-5-14 權重最佳化
          15. 19-5-15 學習率（learning rate）
          16. 19-5-16 批次數量、迭代次數與訓練週期
        6. 19-6 有趣的AI 應用
      20. CH20 Tensorflow 簡介
        1. 20-1 什麼是Tensorflow
        2. 20-2 顯示卡的多核心優勢
        3. 20-3 Tensorflow 做了什麼？
        4. 20-4 安裝Tensorflow
        5. 20-5 匯入Tensorflow 套件
        6. 20-6 Tensorflow 與其他套件的相異處
        7. 20-7 如何看待Tensorflow
        8. 20-8 如何得到計算結果
        9. 20-9 張量（Tensor）
          1. 20-9-1 張量的類型
          2. 20-9-2 tf.constant（）的使用
          3. 20-9-3 tf.Variable（）的使用
          4. 20-9-4 tf.placeholder（）的使用
        10. 20-10 Tf.Graph（）的使用
          1. 20-10-1 關於節點
          2. 20-10-2 使用多個計算圖
        11. 20-11 GPU 資源的設定
        12. 20-12 如何使用程式碼設定GPU 的使用量
        13. 20-13 AI 的實際應用：自動駕駛
      21. CH21 資料集介紹（Introduction of datasets）
        1. 21-1 前言
        2. 21-2 匯入套件
        3. 21-3 Cifar10 資料集
          1. 21-3-1 資料集的說明
          2. 21-3-2 下載資料集
          3. 21-3-3 訓練集（train data）與驗證集（test data）
          4. 21-3-4 關於正確答案（標籤資料）
          5. 21-3-5 其他資訊
          6. 21-3-6 圖片的顯示
        4. 21-4 Mnist 資料集
      22. CH22 建立類神經網路
        1. 22-1 前言
        2. 22-2 匯入套件
        3. 22-3 匯入資料集Mnist
          1. 22-3-1 建立可以亂數查看圖片的函數
          2. 22-3-2 建立label 轉換成類別名稱的字典集
          3. 22-3-3 亂數查看訓練集（train data）資料
          4. 22-3-4 亂數查看驗證集（test data）資料
        4. 22-4 類神經網路
          1. 22-4-1 類神經網路概略圖
          2. 22-4-2 建立tf.placeholder（）
          3. 22-4-3 建立類神經網路（隱藏層）
          4. 22-4-4 訓練的參數數量
          5. 22-4-5 設定損失函數
          6. 22-4-6 設定最佳化演算法
          7. 22-4-7 設定GPU 資源使用量與建立Session
          8. 22-4-8 設定批次數量（batch size）
          9. 22-4-9 設定訓練週期（epoch）
          10. 22-4-10 超參數（Hyperparameter）
          11. 22-4-11 計算迭代次數（iterations）
          12. 22-4-12 建立反覆訓練的架構
          13. 22-4-13 權重最佳化
          14. 22-4-14 Colab 調用GPU 資源
        5. 22-5 開始訓練
          1. 22-5-1 執行第一次的權重最佳化
          2. 22-5-2 訓練集的準確率
          3. 22-5-3 訓練結果圖形化（visualization）
          4. 22-5-4 驗證集的準確率
          5. 22-5-5 修改圖形化程式
          6. 22-5-6 函數化
          7. 22-5-7 建立2 層的神經元網路
          8. 22-5-8 計算訓練的參數
          9. 22-5-9 訓練結果
          10. 22-5-10 過擬合（overfitting）
          11. 22-5-11 Dropout
          12. 22-5-12 訓練的架構修改
        6. 22-6 有趣的AI 應用
      23. CH23 卷積神經網路的介紹
        1. 23-1 全連接層（fully connected layer）
        2. 23-2 更有效的圖像學習方式
        3. 23-3 卷積（convolution）
          1. 23-3-1 Kernel
          2. 23-3-2 Stride
          3. 23-3-3 Padding
        4. 23-4 卷積的計算
        5. 23-5 卷積是全連接層的簡化
        6. 23-6 卷積的完整範例
        7. 23-7 Kernel 學到了什麼
        8. 23-8 彩色圖片的卷積方式
        9. 23-9 計算權重數量
        10. 23-10 Kernel 的張數
        11. 23-11 池化（pooling）
        12. 23-12 計算經過卷積後的尺寸
        13. 23-13 全連接層全然無用嗎？
        14. 23-14 有趣的AI 應用
      24. CH24 建立卷積神經網路
        1. 24-1 前言
        2. 24-2 匯入套件
          1. 24-2-1 匯入Tensorflow 套件
          2. 24-2-2 匯入其他套件
        3. 24-3 匯入資料集
        4. 24-4 資料集前處理
          1. 24-4-1 資料維度的處理
          2. 24-4-2 資料標準化（Normalization）
        5. 24-5 建立計算圖
        6. 24-6 宣告tf.placeholder
        7. 24-7 計算訓練的參數量
        8. 24-8 建立選取迭代資料的函數
        9. 24-9 計算損失值函數
        10. 24-10 計算準確率函數
        11. 24-11 關於Tensorflow 的權重檔
        12. 24-12 儲存PB 檔案的函數
        13. 24-13 設定超參數
        14. 24-14 建立訓練架構
        15. 24-15 訓練集的亂數排列（shuffle）
        16. 24-16 開始訓練與訓練結果
        17. 24-17 加深模型
        18. 24-18 加深模型的訓練結果
        19. 24-19 儲存準確率最高的PB 檔案
        20. 24-20 遷移學習（transfer learning）
        21. 24-21 儲存訓練的結果
        22. 24-22 模型可視化（使用Netron）
          1. 24-22-1 Netron 簡介
          2. 24-22-2 Netron 的使用方式
          3. 24-22-3 使用Netron 計算參數量
        23. 24-23 使用PB 檔進行推論
        24. 24-24 找出驗證集分類錯誤的圖片
        25. 24-25 練習：使用Fashion_mnist 資料集
        26. 24-26 練習：使用Cifar10 資料集
      25. CH25 口罩判斷模型之資料集的準備
        1. 25-1 前言
        2. 25-2 決定分類模型的類別數量
        3. 25-3 製作有戴口罩的圖片
        4. 25-4 口罩圖片的選擇
        5. 25-5 口罩圖片的解析
        6. 25-6 偵測圖片的嘴巴區域（使用Dlib）
        7. 25-7 安裝Dlib
        8. 25-8 使用Dlib 找到人臉
          1. 25-8-1 Dlib 初始化
          2. 25-8-2 人臉偵測器的使用方法
          3. 25-8-3 加入margin
          4. 25-8-4 標註68 個特徵點
          5. 25-8-5 找出嘴部區域
        9. 25-9 嘴部區域與口罩的結合
        10. 25-10 製作訓練集與驗證集
          1. 25-10-1 製作訓練集
          2. 25-10-2 關於CASIA 資料集
          3. 25-10-3 下載CASIA 資料集
          4. 25-10-4 資料前處理
          5. 25-10-5 製作驗證集
        11. 25-11 有趣的AI 應用
      26. CH26 口罩判斷模型之訓練
        1. 26-1 匯入套件
        2. 26-2 訓練集與驗證集的資料安排
        3. 26-3 讀取訓練集路徑
        4. 26-4 讀取驗證集路徑
        5. 26-5 讀取口罩集路徑
        6. 26-6 建立偵測嘴部區域的函數
        7. 26-7 建立嘴部區域與口罩結合的函數
        8. 26-8 建立訓練集的迭代資料函數
        9. 26-9 建立驗證集的迭代資料函數
        10. 26-10 建立計算圖
        11. 26-11 模型架構的差異說明
          1. 26-11-1 簡化部分說明
          2. 26-11-2 建立計算損失值的函數
          3. 26-11-3 建立計算準確率的函數
          4. 26-11-4 超參數設定
          5. 26-11-5 其他程式碼的差異
        12. 26-12 訓練結果
        13. 26-13 結果圖形化
      27. CH27 影像串流與口罩判斷
        1. 27-1 前言
        2. 27-2 影像串流
          1. 27-2-1 USB camera
          2. 27-2-2 流程圖
          3. 27-2-3 串流影像初始化
          4. 27-2-4 初始化
          5. 27-2-5 宣告方式說明
          6. 27-2-6 建立獲取影像的迴圈
          7. 27-2-7 執行結果
          8. 27-2-8 FPS 的計算
          9. 27-2-9 COLAB 與USB camera 的連接方式
        3. 27-3 影像串流結合口罩判斷
          1. 27-3-1 流程圖
          2. 27-3-2 人臉偵測器的選用
          3. 27-3-3 函數的參數與變數說明
          4. 27-3-4 人臉擷取與資料處理
          5. 27-3-5 口罩判斷程式碼說明
        4. 27-4 執行結果
          1. 27-4-1 函數的使用
          2. 27-4-2 GPU 資源的設定
          3. 27-4-3 使用COLAB 的說明
      28. CH28 安裝套件的步驟說明
        1. 28-1 使用Colab
          1. 28-1-1 匯入套件
          2. 28-1-2 使用Tensorflow 訓練的測試
        2. 28-2 使用Jupyter
          1. 28-2-1 前言
          2. 28-2-2 查詢已經安裝的套件
          3. 28-2-3 安裝OpenCV 套件
          4. 28-2-4 安裝matplotlib
          5. 28-2-5 安裝Tensorflow

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    出版社簡介
    深智數位股份有限公司
    出版社作品

    ChatGPT 5.5 全能工作術：對話、圖像、資料分析到智慧體與自動化應用

    工作學習生活一手包辦：Claude Cowork 31 個超好用範例實作

    從 App 評論到商業洞察：零基礎打造 AI 評論洞察系統：從資料採集到雲端部署

    更多出版社作品
    試讀