fine tune深度學習的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

自學機器學習：上Kaggle接軌世界，成為資料科學家

為了解決fine tune深度學習的問題，作者チーム・カルポ 這樣論述：

　　你還在建立模型分析玩具資料集嗎？你還在使用只有幾百筆資料的鳶尾花資料集嗎？你還在透過Numpy亂數產生器建立資料集嗎？   　　還是，你苦於找不到資料集？又或是，你發現以前所學的技術，套在真實資料集，根本不能用？   　　假資料或玩具資料集無法和產業界接軌，練再多只是徒勞無功，但想要有真實資料集卻不知從何得到。   　　現在你看到的這本書，將帶你在初學和實戰之間，提供一個累積實務經驗值的試驗場，解決你的以上煩惱！   　　如何獲取要分析的資料，經常是資料分析與機器學習時會遇到的瓶頸，而 Kaggle 平台有各大企業提供的免費資料集、完善的開發環境、匯集世界各地資料科學專家的討論區、以及

高額獎金尋求各種問題的解決方案。只要註冊帳號，就能免費使用以上所有 Kaggle 的資源，顯然是一個絕佳的機器學習、資料科學練習環境。   　　本書專為入門者所寫，讓讀者知道如何善用平台資源，包含解析 Kaggle 上面的資料集，以及操作平台提供的完整 Python 開發環境。此外，書中從基礎的線性迴歸模型開始打底，隨後詳細講解當前火紅的神經網路，並深入探討循環神經網路的進階案例，也介紹各種特徵工程、模型超參數調整、模型集成的技術，一書掌握機器學習領域中重要的模型。本書所使用的範例，包含經典的CIFAR-10上萬張影像資料集、也有日本 Mercari 企業提供的資料集等，讓你擺脫不切實際的玩具

資料集，直接打造實戰能力。   　　本書將助你從入門開始一步步打造技術力，同時銜接上實務應用，讓你在研究、職場脫穎而出。    本書特色   　　● 國立成功大學資訊工程學系特聘教授 陳培殷博士 推薦 　　● 完整介紹 Kaggle 平台上的資源，幫助讀者與世界頂級資料科學家接軌 　　● 一書掌握基礎的迴歸、熱門的神經網路、以及進階的循環神經網路等重要模型 　　● 使用 Kaggle 平台的資料集，讓讀者學習到實戰所需的機器學習技能，擺脫無聊的玩具資料集 　　● 透過巨量資料集為範例，如分析日本 Mercari企 業提供的資料預測商品價格，了解實務應用 　　● 本書由施威銘研究室監修，內容易讀

易懂，並加入大量「編註」以幫助理解及補充必要知識 　　● 完整 Jupyter Notebook 互動式開發環境的 Python 範例程式免費下載

極詳細+超深入：最新版TensorFlow 1.x/2.x完整工程實作

為了解決fine tune深度學習的問題，作者李金洪 這樣論述：

TensorFlow 是目前使用最廣泛的機器學習架構，滿足了廣大使用者的需求。如今TensorFlow 已經更新到2.x 版本，具有更強的便利性。 本書透過大量的實例說明在TensorFlow 架構上實現人工智慧的技術，相容TensorFlow 1.x 與TensorFlow 2.x 版本，覆蓋多種開發場景。 　　◎ 詳盡闡述tensorflow 1.x/2.x完整內容 　　◎ 75個實作專案，包含最接近工業 / 商業用的典範    　　◎ 由淺入深的完整解說，徹底體會TensorFlow之美 　　史上強大的AI框架Tensorflow 2.X版終於出來了。 　　在綜合PyTorch

的動態圖架構和併入高階API Keras之後，Tensorflow又重回AI框架最炙手可熱的明星之一。 　　本書是針對已經有Tensorflow基礎的讀者，幫助讀者具備基礎的深度學習知識之後，更強化自身的功力。不再拘泥於簡單的CNN、MNIST、RNN等太基礎的內容。 　　全書重點包括： 　　► 75個工業及商用專案的完整實作 　　►在Windows/Linux下安裝Anaconda及GPU、CUDNN的完整介紹 　　►大量Transfer Learning的預載入模型說明 　　►Tensorflow的專屬資料集格式 　　►TF-Hub retrain或是fine-tune完整的預載入模型

　　►利用tf.estimator及tf.keras訓練模型的完整過程 　　►用Tensorflow做離散及連續資料的特徵工程 　　►不再只是單純的CNN，用膠囊網路做更準確的圖形辨識 　　►不只RNN，還有GRU及Attention機制、SRU、QRNN及Transformer機制 　　►自己動手做YOLOV3 Darknet 　　►最完整的Normalization說明，包括Batch Norm、Switchable Norm 　　►GAN大全，包括DeblurGAN及AttGAN 　　►CS612照片加工的AI基礎 　　►製作Tensorflow的模型完整說明 　　►在樹莓派、iPho

ne、Android上佈署Tensorflow的模型 本書特色 　　1. 相容TensorFlow 1.x 與2.x 版本，提供了大量的程式設計經驗 　　兼顧TensorFlow 1.x 與2.x 兩個版本，列出了如何將TensorFlow 1.x 程式升級為TensorFlow 2.x 可用的程式。 　　2. 覆蓋TensorFlow 的大量介面 　　由於TensorFlow 的程式反覆運算速度太快，有些介面的搭配文件並不是很全。作者花了大量的時間與精力，對一些實用介面的使用方法進行摸索與整理，並將這些方法寫到書中。 　　3. 提供高度可重用程式，公開了大量的商用程式片段 　　本書實

例中的程式大多都來自程式醫生工作室的商業專案，這些程式的便利性、穩定性、再使用性都很強。讀者可以將這些程式分析出來直接用在自己的專案中，加快開發進度。 　　4. 書中的實戰案例可應用於真實場景 　　書中大部分實例都是目前應用非常廣泛的通用工作，包含圖片分類、目標識別、像素分割、文字分類、語音合成等多個方向。讀者可以在書中介紹的模型的基礎上，利用自己的業務資料集快速實現AI 功能。 　　5. 從專案角度出發，覆蓋專案開發全場景 　　本書以專案實作為目標，全面覆蓋開發實際AI 專案中所有關的知識，並全部配有實例，包含開發資料集、訓練模型、特徵工程、開發模型、保護模型檔案、模型防禦、服務端和終端

的模型部署。其中，特徵工程部分全面說明了TensorFlow 中的特徵列介面。該介面可以使資料在特徵處理階段就以圖的方式進行加工，進一步確保在訓練場景下和使用場景下模型的輸入統一。 　　6. 提供大量前端論文連結位址，便於讀者進一步深入學習 　　本書使用的AI 模型，大多來自前端的技術論文，並在原有論文基礎上做了一些結構改進。這些實例具有很高的科學研究價值。讀者可以根據書中提供的論文連結位址，進一步深入學習更多的前端知識，再配合本書的實例進行充分了解，達到融會貫通。本書也可以幫助AI 研究者進行學術研究。 　　7. 注重方法與經驗的傳授 　　本書在說明知識時，更注重傳授方法與經驗。全書共有

幾十個「提示」標籤，其中的內容都是功力很高的成功經驗分享與易錯事項歸納，有關於經驗技巧的，也有關於風險避開的，可以幫助讀者在學習的路途上披荊斬棘，快速進步。  

條件生成對抗網路搭配遷移學習應用於漫畫上色

為了解決fine tune深度學習的問題，作者呂紹豪 這樣論述：

近年來隨著機器學習、深度學習在電腦影像方面的進步，已經可以用來解決許多以前需要人力去手動解決的問題，像是漫畫上色就是最好的一個例子，一本漫畫可能有個幾百幾千頁，如果靠著手動一張一張去上色是非常花費時間的，快的話可能需要幾個月，慢的話可能需要花上數年甚至數十年才能完成一本漫畫，這種費時又費力的工作，現在的電腦技術已經足以幫助我們大幅度減少它所花費的時間。隨著在電腦的硬體以及深度學習技術的進步，我們在訓練一個上色網路只需要花費短短的幾天幾即可完成訓練。在本 文 後面的章節中我們會 一 一 介紹到我們使用的 cGAN(Conditional GenerativeAdversarial Networ

ks)網路架構以及我們在上面如何改進以及微調，使的上色出來的結果看起來更棒更自然。此外在漫畫上色問題中，收集訓練資料也是一個麻煩的大問題，大部分的漫畫都是受版權保護的很難收集到非常大量的資料集，因此我們在我們的研究中使用遷移學習可以有效的提升在少量訓練資料訓練出來的結果，因此最後我們還會探討以及比較如何使用預訓練模型的方法能讓我們得到一個令人滿意地結果。