Keras
-
Ubuntu 16.04配置GTX 1080+CUDA 9.0+cuDNN 7.0.5+Tensorflow-gpu 1.12.0+Keras 2.2.4+搜狗输入法
一、安装NVIDIA GeForce GTX 1080显卡驱动 1、在官网下载对应自己系统的驱动，选择自己对应的系统即可，下载为一个.run文件。2、打开终端，首先卸载一下之前安装的（如果没有安装，直接从下一步开始）$ sudo apt-get –purge remove nvidia-*3、禁用nouveau：$ sudo gedit /etc/modp…
-
keras系列︱Sequential与Model模型、keras基本结构功能（一）
引自：http://blog.csdn.net/sinat_26917383/article/details/72857454 中文文档：http://keras-cn.readthedocs.io/en/latest/ 官方文档：https://keras.io/ 文档主要是以keras2.0。 . Keras系列： 1、keras系列︱Sequent…
-
win10环境安装Keras（已经安装tensorflow）
win10环境。 keras中文官网：https://keras-cn.readthedocs.io/en/latest/for_beginners/keras_windows/ 在tensorflow-gpu环境下去安装呀，后台依赖下tensorflow。 关于keras安装的几个依赖性，上面讲的很清楚，看看科普。 如果会出错如下，就是网速问题。 pip …
-
ENet论文阅读及Keras实现
复现地址 https://github.com/BBuf/ENet-Keras ENet原文地址 https://arxiv.org/pdf/1606.02147.pdf ENet的优势 \quadENet实现了在移动端的实时语义分割，并且精度稍微好于SegNet，先看一下论文给出的速度测试图。对于分辨率为640 ×\times× 360的图片，ENet执行…
-
Tensorflow_08A_Keras 助攻下的 Sequential 模型
Brief 概述 使用 keras 搭建模型时让人们感受到的简洁性与设计者的用心非常直观的能够在过程中留下深刻的印象，这个模块帮可以让呈现出来的代码极为人性化且一目了然，使用 Tensorflow 模块搭建神经网络模型通常需要百行的代码，自定义模型和函数，唯一受到 tf 封装的厉害功能只有梯度下降的自动取极值，如果是一个初出入门的人，没有一定的基础背景累积，…
-
keras框架 反复调用model 模型 出错
Cannot interpret feed_dict key as Tensor: Tensor Tensor(“Placeholder_8:0”, shape=(3, 3, 128, 256), dtype=float32) is not an element of this graph. 后端我使用的是django框架,上传一张图片传入基于tensorf…
-
Tensorflow Keras基于深度学习的图像识别/人脸表情识别demo
1 简单的深度学习过程常规流程： PS: 标*的 构建神经网络是最重要的。 2 本demo功能：基于TensorFlow Keras来建立模型、训练（喂给它已经分类好的人脸表情图片）和预测 人脸表情图片。 上代码： 1 import os 2 import sys 3 from PIL import Image # 使用第三方包Pillow来进行图…
-
[知乎作答]·关于在Keras中多标签分类器训练准确率问题
[知乎作答]·关于在Keras中多标签分类器训练准确率问题 本文来自知乎问题 关于在CNN中文本预测sigmoid分类器训练准确率的问题？中笔者的作答，来作为Keras中多标签分类器的使用解析教程。 一、问题描述 关于在CNN中文本预测sigmoid分类器训练准确率的问题？ 对于文本多标签多分类问题，目标标签形如[ 0 0 1 0 0 1 0 1 0 1…
-
使用Keras以inceptionV3作为主干网络进行迁移学习遇到的问题
本打算使用InceptionV4进行构建网络进行二分类实验，最后发现keras没有InceptionV4的预训练模型，决定先用keras自带的InceptionV3预训练模型搭建网络。 我们的问题起源于在构建inceptionV3进行二分类训练时，训练过程一帆风顺，拥有95%以上的准确率，而在进行测试的时候，预测结果总是偏向一个结果[1. , 0.]。 最开…
-
TextCNN文本分类（keras实现）
前言： 深度学习模型在计算机视觉与语音识别方面取得了卓越的成就，在 NLP 领域也是可以的。将卷积神经网络CNN应用到文本分类任务，利用多个不同size的kernel来提取句子中的关键信息（类似 n-gram 的关键信息），从而能够更好地捕捉局部相关性。 文本分类是自然语言处理领域最活跃的研究方向之一，目前文本分类在工业界的应用场景非常普遍，从新闻的分类、商…
