Traffic Sign 訓練類別直方圖,呈現類別的準確率

利用German Traffic Sign Recognition Benchmark的pickle檔案

顯示類別分布直方圖

直方圖能做什麼?

資料訓練的流程:

tensorboard 內建的視覺化工具，可以幫助我們追蹤模型的訓練過程、分析性能、以及可視化模型結構等

 

介面圖試用之前用的交通標誌的影響辨識去分析結果

除了TensorBoard可視覺化工具:

影像模組資料檢驗跟修正

 模型面、資料面 與 訓練策略面 

三大類來說明最常見的問題與對策：

通用訓練問題診斷清單:

分為模型面、資料面與訓練策略三大類，

每類皆有診斷指標與修正方向。

介紹Tensor跟Pytorch跟Numpy

 

影像辨識硬體規格&應用程式&開發平台選擇

 

AI 影像辨識模型流程

 1.流程

2.車牌辨識流程:

3.模型優化:

4.資料標記流程:

5.免費標記工具:

6. ADAS感知模型流程:

影像辨識 TensorFlow 訓練模型 & TFLite 格式

為什麼要轉TFLite格式呢?

 

1.Kaggle下載DataSet檔案

2.

選用German Traffic Sign Recognition Benchmark

3.檔案解壓縮的目錄:

4.使用 TensorFlow 訓練模型

5.測試範例:

6.執行成果:

整理一下比較容易懂的UI呈現:

NLP(客服FAQ) + RESTful API + Postgresql

1.使用環境:

Ubuntu 22.04.3 Desktop 

Django

Postgresql

Swagger

工具:spacy

主要:使用情境在於銀行客服的問答

2.元件安裝指令:

3.建立FAQ問答機制:

4.FAQ資料:

5.資料匯入腳本:

6.載入NLP問答模組:

7.執行NLP問答模組

8.RESTful API方式