Keras
-
Keras之fit_generator与train_on_batch用法
下面是关于“Keras之fit_generator与train_on_batch用法”的完整攻略。 Keras中的训练方法 在Keras中，我们可以使用fit、fit_generator和train_on_batch等方法来训练模型。其中，fit方法适用于小数据集，fit_generator方法适用于大数据集，而train_on_batch方法适用于在线学习…
-
keras中epoch,batch,loss,val_loss用法说明
下面是关于“Keras中epoch、batch、loss、val_loss用法说明”的完整攻略。 epoch 在Keras中，epoch是指训练模型时数据集被遍历的次数。每个epoch会将数据集中的所有样本都用于训练一次。通常情况下，我们会将数据集分成多个batch，每个batch包含一定数量的样本，然后在每个epoch中对所有batch进行训练。 下面是一…
-
Keras实现DenseNet结构操作
下面是关于“Keras实现DenseNet结构操作”的完整攻略。 DenseNet简介 DenseNet是一种密集连接的卷积神经网络结构，它通过将每个层的输出与之前所有层的输出连接起来，从而使得网络具有更好的特征重用能力和更少的参数。DenseNet的结构可以分为Dense Block和Transition Block两部分。 Keras实现DenseNet…
-
keras读取h5文件load_weights、load代码操作
下面是关于“Keras读取h5文件load_weights、load代码操作”的完整攻略。 Keras简介 Keras是一个高级神经网络API，它是用Python编写的，可以在TensorFlow、CNTK或Theano等后端上运行。Keras的设计目标是提供一个简单、快速和易于使用的深度学习框架。 Keras的应用 Keras可以用于各种深度学习任务，包括…
-
keras读取训练好的模型参数并把参数赋值给其它模型详解
下面是关于“keras读取训练好的模型参数并把参数赋值给其它模型”的完整攻略。 Keras读取训练好的模型参数 在Keras中，我们可以使用model.save方法将训练好的模型保存到磁盘上。保存的模型包括模型的结构和参数。我们可以使用keras.models.load_model方法加载保存的模型。 下面是一个示例： from keras.models i…
-
keras实现VGG16 CIFAR10数据集方式
下面是关于“Keras实现VGG16 CIFAR10数据集方式”的完整攻略。 Keras简介 Keras是一个高级神经网络API，它是用Python编写的，可以在TensorFlow、CNTK或Theano等后端上运行。Keras的设计目标是提供一个简单、快速和易于使用的深度学习框架。 Keras的应用 Keras可以用于各种深度学习任务，包括图像分类、目标…
-
深度学习入门之Tensorflow安装、keras踩坑总结（二）——tensorflow指定GPU、Jupyter notebook切换内核、显存释放等
在上篇文章中，我们总结了一些在Theano安装使用过程中遇到的问题以及解决办法，接下来我们主要说一下Tensorflow。 1. Tensorflow安装 Tensorflow如果直接使用pip命令的话，可能十分耗时，下载速度非常慢，还很容易中断，所以大家可以使用清华大学的开源软件镜像站进行下载https://mirrors.tuna.tsinghua.ed…
-
Anaconda3如何安装keras
当下机器学习很火，机器学习编程最流行的就是python语言，yangqiang200608打算自学机器学习，于是与python有了缘。对于初学者来说，配置环境是最让人头痛的事情。一周前参照网上的资料折腾一番，终于安装上了python3，为了方便选择的是anaconda3按装的，这样可以剩去按装各种库的烦恼。要进行深度学习编程，还需要相应的库，如tensorf…
-
2018-05-11-机器学习环境安装-I7-GTX960M-UBUNTU1804-CUDA90-CUDNN712-TF180-KERAS-GYM-ATARI-BOX2D – taichu
2018-05-11-机器学习环境安装-I7-GTX960M-UBUNTU1804-CUDA90-CUDNN712-TF180-KERAS-GYM-ATARI-BOX2D layout: post title: 2018-05-11-机器学习环境安装-I7-GTX960M-UBUNTU1804-CUDA90-CUDNN712-TF180-KERAS-GYM-…
-
Tensorflow2.0与Keras搭建个性化神经网络模型
Keras是基于Tensorflow（以前还可以基于别的底层张量库，现在已并入TF）的高层API库。它帮我们实现了一系列经典的神经网络层（全连接层、卷积层、循环层等），以及简洁的迭代模型的接口，让我们能在模型层面写代码，从而不用仔细考虑模型各层张量之间的数据流动。 但是，当我们有了全新的想法，想要个性化模型层的实现时，仅靠Keras的高层API是不能…
