dataset資料集的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

別再mnist了：跨平台高平行TensorFlow 2精彩上陣

為了解決dataset資料集的問題，作者李金洪 這樣論述：

　　► 一本完整高階的TensorFlow 2.x應用 　　► 一定要選一個AI框架，TensorFlow是唯一選擇，加入動態圖、整合了Keras 　　► 學一個TensorFlow，會兩種AI Framework，怎麼看都划算   　　TensorFlow 是目前使用最廣泛的機器學習架構，能滿足廣大使用者的需求。如今TensorFlow 已經更新到2.X 版本，具有更強的便利性。TensorFlow在2.0版之後做了大幅更動，如果你從舊版1.0學的跌跌撞撞，不如從新版開始。   　　很多人以為TensorFlow只適用於深度學習，但TensorFlow的廣度和深度是成正比的。本書實作了幾

個著名的範例，不再只會MNIST而已了。從NLP、影像辨識、GAN，一直到真槍實彈的機器學習技能，TensorFlow一手包辦。   　　你真的想找一本完整高階的TensorFlow 2.x應用，這會是最佳的案頭書。   　　全書內容分為4篇，結構清晰、案例豐富、通俗容易、實用性強。 　　◎第1篇 準備篇 包含TensorFlow的安裝、使用方法。這部分內容可以讓讀者快速上手TensorFlow工具。   　　◎第2篇 基礎篇 包含資料集製作、特徵工程等資料前置處理工作，以及與數值分析相關的模型（其中包含wide_deep模型、梯度提升樹、知識圖譜、帶有JANET單元的RNN等模型）。   　

　◎第3篇 進階篇 從自然語言處理、電腦視覺兩個應用方向介紹了基礎的演算法原理和主流的模型。實際包含：TextCNN模型、帶有注意力機制的模型、帶有動態路由的RNN模型、BERTology系列模型、EfficientNet系列模型、Anchor-Free模型、YOLO V3模型等。   　　◎第4篇 高階篇 介紹產生式模型和零次學習兩種技術，系統地介紹資訊熵、歸一化、f-GAN、最佳傳輸、Sinkhorn演算法，以及變分自編碼、DeblurGAN、AttGAN、DIM、VSC等模型。   　　適合讀者群：適合對人工智慧、TensorFlow有興趣者，或作為大專相關科系學生、教育訓練機構教材。

dataset資料集進入發燒排行的影片

應用影像辨識與雷達實現無人機對電力線的識別和定位

為了解決dataset資料集的問題，作者王致翔 這樣論述：

本文結合了Ti的影像雷達及影像辨識，來增加無人機對電線的辨識能力。影像辨識方面，本文比較了YOLOv3及本文所提出的訓練模型，經由比較結果得知，YOLOv3隨然可以預測出電線的位置，但因為其損失函數的計算方法，使他在呈現預測結果時不夠精準，且在與雷達資料做整合時，因為YOLOv3的某些情況下無法有效地預測出電線的位置，而難以與雷達資料做比對，因此本文提出了另一種訓練模型，來將電線與背景分割並在圖中定位，以利於之後與雷達做整合。雷達方面採用Ti的影像雷達，相比於一般的雷達其所能看到的距離更遠，且擁有更好的解析度，可以有效幫助無人機更精準地確認電線的位置。

Python機器學習與深度學習特訓班(第二版)：看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)

為了解決dataset資料集的問題，作者文淵閣工作室 這樣論述：

國內外最具代表性案例，9大專題實戰、15個分類實例  Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、  文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，  從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！    　　資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識

解鎖、影像轉文字翻譯、智慧語音助理…等。    　　在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。    　　程式人、工程師挑戰人工智慧最佳學習地圖  　　由類神經網路基礎到AI應用實戰  　　訓練、模型、預測、辨識、分析與驗證  　　全面深入機器學習與深度學習技術核心    　　■打造專屬Python、TensorFlow與Keras最強開發環境。  　　　 　　■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CN

N)與循環神經網路(RNN)。    　　■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。  　 　　■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。    　　■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。    　　■全面深入不同應用面向：  　　印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人

臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…    　　■網羅國內外最具代表性案例：  　　手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。    　　■一次領略機器學習與深度學習的重要關鍵話題：  　　TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cogni

tive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…    　　■針對專案實戰提供關鍵影音輔助教學，加速學習效率。    　　超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF    感謝讀者好評   　　“很棒的書，我完全

沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul    　　“此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor

無人機上的人物檢測與性能評估

為了解決dataset資料集的問題，作者江偉銓 這樣論述：

目前對於行人的影像資料集大多是低空飛行的角度，亦或是一般行人的視角，但這樣的資料對於日後訓練模型，應用在無人機上時，不一定有很大的幫助。因此，本論文提出利用無人機高空拍攝一系列行人影像。本論文資料集拍攝的影像質量上以4K 畫質，每秒三十幀來拍攝，總共紀錄了五十部影像，包含白天與夜晚畫面、一般道路、運動場、公園，甚至是西門町鬧區街頭等行人較多的場域。本論文資料集在製作上，利用微軟（Microsoft) 開源的標註軟體，VoTT (Visual Object Tagging Tool) 將影像上的行人進行編號，並標註上動作，包含walk、run、stand、sit 等等。最後利用askRCNN、

YOLOv3、YOLOv4 及YOLOv5 進行人物檢測，並提出檢測結果進行性能評估。