少量的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列特價商品、必買資訊和推薦清單

全格局使用PyTorch：深度學習和圖神經網路 實戰篇

為了解決少量的問題，作者李金洪 這樣論述：

熟悉基礎，精通實戰。 　　接續了上一本實戰篇的基礎，本書將介紹目前最流行的物體辨識和自然語言處理在圖神經網路上的最完整應用。當你熟悉了神經網路之後，接下來要精進的就是針對網路結果的強化及最佳化。在GNN的基礎上，針對目前最流行的視覺處理模型進行修改、架設及強化，並且實際應用在現有的平台上。本書的重點就是大量了使用現有的Python函數庫，並且應用了最新的資料集，讓你能真正看到資料套用在模型上的強大能力。在針對Pytorch的函數庫上，不但有視覺應用，更有號稱人工智慧明珠的NLP應用。使用了Torchtext以及NLP的唯一/最佳選擇Huggingface Transformers。而大家

耳熟能詳，但又不知道怎麼用的模型，包括GPT-2、Transformer-XL、ALBERT、ELECTRA、DistillBERT等，在書中都有詳細介紹。另外為了解開DL的神祕，本書也難得介紹了Captum套件，讓深度神經網路更具可解釋性。本書最後也不忘介紹ZSL、這種極少量資料就可訓練高精度模型的方法。有關異質圖神經網路部分，也有大量DGL和NetworkX的範例，實戰篇+基礎篇兩本書，要不充分了解GNN都不行。 本書特色 　　～GNN 最強實戰參考書～ 　　●使用圖型的預訓練模型、Torschvision，GaitSet模型、CASIA-B資料集 　　●高級NLP模型訓練及微調、BE

RTology、CBOW、Skip-Gram、Torchtext、spaCy 　　●文字使用模型TextCNN來把玩IMDB資料庫 　　●高階工程師才會用的Mist啟動函數、Ranger最佳化器 　　●正宗NLP函數庫Huggingface Transformers詳解、AutoModel、AutoModelWithMHead、多頭注意力、PretrainedTokernizer  

少量進入發燒排行的影片

少量語料實現端到端的語音合成系統

為了解決少量的問題，作者劉宇軒 這樣論述：

本論文透過深度學習的技術改善英文語音合成的音質，建立一個音質改善的英文文字轉語音系統。本研究從最基本的聲學參數及語言參數去做改善，在頻譜參數方面引入WORLD分析的CheapTrick作為求取頻譜資訊之方法，而標記資訊方面加入音素、音節、詞、片語、句子五層結構的相關位置的語言資訊，文字分析方面則是實作一個系統產生標記資訊，模型訓練方面則是引入深度學習的深度混合密度網路架構幫助我們建立頻譜模型及持續時間模型，再加上深度學習的WaveNet聲碼器取代傳統的MLSA聲碼器做合成，最後引用Tacotron模型實現端到端的語音合成系統。實驗結果證實HTS系統的合成聲音在喜好度及MOS兩種主觀測試上有很

大進步，而Tacotron系統則在訓練的效率上有很大改進。

找回身體自癒力! 做個鹼性健康人

為了解決少量的問題，作者劉正才,朱依柏,鄒金賢 這樣論述：

　　體質維持弱鹼性，遠離疾病的第一步。   　　一旦酸鹼失衡，偏向酸性體質，人體就會變成細菌和病毒的溫床。   　　本書利用酸鹼失衡的概念，以專業學理知識說明現代人多疾病的原因，並提供簡單的微鹼飲食原則和食譜，只要日常生活中注意調養，就能找回失去的健康。   　　本書收錄多項實用健康資訊—— 　　☆食物酸鹼性辨別。附有常見的鹼性食物表、常見的酸性食物表、常見食物生理酸鹼度表。 　　☆現代人常見慢性病食療準則。健康的微鹼飲食法，提供多樣性生機食譜。 　　☆各種飲用水衛生和健康指標對照表，提供健康好選擇！

基於深度學習進行電池性質預測

為了解決少量的問題，作者許家維 這樣論述：

鋰離子電池作為常見的儲能設備，廣泛應用於終端設備上且藉由電池管理系統進行監控確保電池老化程度仍可應付工作所需。然而電池在使用初期並無明顯老化特性的反應，因此對於使用過的電池無法很好評估預期壽命以至於材料的浪費或設備的異常(Early failure)。本研究利用時序資料連續性進行資料擴增更同時對神經網路潛空間進行正則化，並透過包含篩選器與預測器的神經網路架構在僅有少量循環的量測數據下，預測電池產品壽命、剩餘使用壽命、充電所需時間、放電時的電壓電量變化曲線等。其中，僅測量一個充放電完整循環的數據，就能提供僅有57週期方均根誤差的產品壽命預測。本研究亦同時引入注意力機制於此框架中達成僅使用若干個

循環的測量資料便可預測整個電池的產品週期放電電量、放電功耗等特性。