OpenR8 將人工智慧演算法模組化及套裝軟體化,降低價格及技術門檻。透過簡單的瀏覽器介面,讓使用者不用寫程式,也可以進行 AI 訓練及推論,大幅降低人工智慧的技術門檻。
OpenR8 套裝軟體是將演算法積木化及圖形化,不需使用 Linux ,透過簡單的 Windows 視窗介面,讓使用者不用寫程式,也可以使用及調整 AI 演算法,大幅降低人工智慧的技術門檻,這份手冊教導大家如何完整使用這套 OpenR8 軟體。
最好的 AI 人工智慧電腦熱賣中!硬體採用最新最快的 NVIDIA TESLA V100, NVIDIA Titan RTX, NVIDIA RTX-2080Ti-11G!AI 電腦是賺錢工具,一機多功能,除了可以做人工智慧演算法訓練及推論,亦可作文書處理、影片剪輯、電競、挖礦。
Stock-Taiwan-XGBoost-Regression 是一個Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 與 Regression 來預測台灣股價的解決方案,Xgboos 可以用於分類也可以用於迴歸問題,在這裡我們將 Xgboost 整合至 OpenR8 AI 軟體,使用者只需要透
此解決方案是使用 Keras 的 UNet 來進行學習。很多醫學影像分割的研究,大部分都以 UNet 為基礎進行改良。此是一個分割網路,包括兩個部分,特徵擷取與上採樣。由於網路結構像 U 型,所以稱為 UNet。
此 Image-Classification-InceptionV4-Caffe 是利用 Caffe 框架,使用 InceptionV4 網路架構來訓練模型,透過已訓練好的模型來分類影像。
此 Image-Classification-InceptionV3-Caffe 是利用 Caffe 框架,使用 InceptionV3 網路架構來訓練模型,透過已訓練好的模型來分類影像。
FaceNet 主要驗證人臉是否為同一個人,端對端學習,直接比對兩個人臉經過它的網路 映射之後的歐氏距離。本解決方案收錄了 FaceNet。使用者只要透過滑鼠點擊即可完成前處理、訓練、分類、 即時影像人臉辨識等。
Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 是 boosting 演算法的其中一種, Boosting 演算法的思想是將許多弱分類器集成在一起形成一個強分類器。因為 Xgboost 是一種 gradient boosting decision tree,可以用於分類也可以用於迴歸問題。
Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 是一種 gradient boosting decision tree,可以用於分類也可以用於迴歸問題。 OpenR8 將 Xgboost 整合至軟體,使用者只需要準備好資料,透過 OpenR8 的標準流程,即可完成數據分析。
Conv1D 為一維卷積層 (1D convolution layer),用在一維輸入信號上進行濾波,是深度學習常見的運算處理之一,在這裡,我們使用 Conv1D 進行數據推論來預測股價。
此 Image_PCB_ResNet152_SSD512_Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 ResNet152 來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
此 Image_PCB_VGG19_SSD512_Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 VGG19 來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
LSTM(Long short-term memory)長短期記憶,是一種特殊的RNN。LSTM適合於處理和預測時間序列中間隔和延遲非常長的重要事件,因此我們使用 LSTM 來做數據的推論。
此 Image-Object-Detection-MobileNetV1-SSD300-Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512,與其他 SSD
此 Image-Classification-InceptionV2-Caffe 是利用 Caffe 框架,使用 InceptionV2 網路架構來訓練模型,透過已訓練好的模型來分類影像。
此 Image-Classification-InceptionV1-Caffe 是利用 Caffe 框架,使用 InceptionV1 網路架構來訓練模型,透過已訓練好的模型來分類影像。
Image_OCR_Keras 是使用 Keras 與 densenet 判斷影像中的文字,我們解決方案的範本 訓練了中文、英文以及標點符號的影像,可以辨識影像中的文字。
此 Image_Age_SSD_Keras 是在深度學習 Keras 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法來訓練模型,再透過已訓練好的模型進行年齡預測,本次訓練圖片大小為 512 × 512。
[1] 2 3 4