(1) 以 Tensor flow 配合PyQt5修正Train Model 程式介面為Windows操作界面將
將相關 Parameter 介面化.可透過介面選擇不一樣的MODEL疊構、Loss Function、
優化器、Batch Size，Epochs等。
(2)確定Training Data 分類確實
(3)將Train 好的MODEL以圖片做INFERENCE
(4)確定 deep Learning neural network 架構MODEL檔及權重Weights檔在目標目錄下
(5)執行AOI主程式確定基本分類有開AI的執行選項
(6)確定AOI主程式的AI深度學習分類打開並設定特效
(7)起動主程式，GPU的CUDA跟隨缺陷的產生同步執行深度學習AI分類
(8)結批後確認效能AI推論效能可達1000張每秒的速度
分類實作:
將相關 Parameter 介面化.可透過介面選擇不一樣的MODEL疊構、Loss Function、
優化器、Batch Size，Epochs等。
(2)確定Training Data 分類確實
(3)將Train 好的MODEL以圖片做INFERENCE
(4)確定 deep Learning neural network 架構MODEL檔及權重Weights檔在目標目錄下
(5)執行AOI主程式確定基本分類有開AI的執行選項
(6)確定AOI主程式的AI深度學習分類打開並設定特效
(7)起動主程式，GPU的CUDA跟隨缺陷的產生同步執行深度學習AI分類
(8)結批後確認效能AI推論效能可達1000張每秒的速度
分類實作:
