Keras

1. 关于Application Keras 的应用模块（keras.applications）提供了带有预训练权值的深度学习模型，这些模型可以用来进行预测、特征提取和微调（fine-tuning）。当你初始化一个预训练模型时，会自动下载权值到 ~/.keras/models/ 目录下。 2. keras内置的Model 在 ImageNet 上预训练过的用…

1. CIFAR10 小图像分类数据集 50,000 张 32×32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 10 个类别。 from keras.datasets import cifar10 (x_train, y_train), (x_test, y_test) = cifar10.load_data() # x_train, …

1. keras中的约束项 constraints 模块的函数允许在优化期间对网络参数设置约束（例如非负性）。约束是以层为对象进行的。具体的 API 因层而异，但 Dense，Conv1D，Conv2D 和 Conv3D 这些层具有统一的 API。约束层开放 2 个关键字参数： kernel_constraint 用于主权重矩阵。 bias_constrai…

1. 回调函数的使用 回调函数是一个函数的合集，会在训练的阶段中所使用。你可以使用回调函数来查看训练模型的内在状态和统计。你可以传递一个列表的回调函数（作为 callbacks 关键字参数）到 Sequential 或 Model 类型的 .fit() 方法。在训练时，相应的回调函数的方法就会被在各自的阶段被调用。 2. keras支持的回调函数 Callb…

1. 正则化层 正则化器允许在优化过程中对层的参数或层的激活情况进行惩罚。 网络优化的损失函数也包括这些惩罚项。(但不包括诸如Dropout/人为加Noise这类的正则化)。惩罚是以层为对象进行的。具体的 API 因层而异，但 Dense，Conv1D，Conv2D 和 Conv3D 这些层具有统一的 API。 正则化器开放 3 个关键字参数：keras.r…

   使用     keras.layers.core.Activation(activation)   Apply an activation function tothe input.（貌似是把激活函数应用到输入数据的一种层结构）        inputshape: 任意。当把这层作为某个模型的第一层时，需要用到该参数（元组，不包含样本轴）。     …

      深度学习Keras框架笔记之Dense类(标准的一维全连接层)   例：     keras.layers.core.Dense(output_dim,init=’glorot_uniform’, activation=’linear’, weights=None W_regularizer=None, b_regularizer=None, a…

    激活函数也是神经网络中一个很重的部分。每一层的网络输出都要经过激活函数。比较常用的有linear，sigmoid，tanh，softmax等。Keras内置提供了很全的激活函数，包括像LeakyReLU和PReLU这种比较新的激活函数。      一、激活函数的使用      常用的方法在Activation层中可以找到。看代码。  from ker…

  深度学习Keras框架笔记之AutoEncoder类使用笔记    keras.layers.core.AutoEncoder(encoder, decoder,output_reconstruction=True, weights=None) 　　 这是一个用于构建很常见的自动编码模型。如果参数output_reconstruction=True，那么…