Keras
-
[深度学习]Keras利用VGG进行迁移学习模板
# -*- coding: UTF-8 -*- import keras from keras import Model from keras.applications import VGG16 from keras.callbacks import TensorBoard, ModelCheckpoint from keras.layers import …
-
keras rnn做加减法
一、背景 学习rnn怎么使用 例子： 输入两个数，做加法 二、 代码赏析 from __future__ import print_function from keras.models import Sequential from keras.engine.training import slice_X from keras.layers import Ac…
-
keras做多层神经网络
一、 背景与目的 背景：配置好了theano，弄了gpu， 要学dnn方法。 目的：本篇学习keras基本用法， 学习怎么用keras写mlp，学keras搞文本的基本要点。 二、 准备 工具包： theano、numpy、keras等工具包 数据集： 如果下不来， 可以用迅雷下，弄到~/.keras/datasets/下面即可 代码位置：example…
-
TensorFlow2.0提示Cannot find reference ‘keras’ in __init__.py
使用TensorFlow2.0导入from tensorflow.keras import layers会出现Cannot find reference ‘keras’ in __init__.py提示 这虽然不影响程序的运行，但是会导致程序没有提示，并且没有办法点击进入源码，可以通过导入from tensorflow.python.keras import…
-
一个可扩展的深度学习框架的Python实现（仿keras接口）
动机 keras是一种非常优秀的深度学习框架，其具有较好的易用性，可扩展性。keras的接口设计非常优雅，使用起来非常方便。在这里，我将仿照keras的接口，设计出可扩展的多层感知机模型，并在多维奇偶校验数据上进行测试。 本文实现的mlp的可扩展性在于：可以灵活指定神经网络的层数，每层神经元的个数，每层神经元的激活函数，以及指定神经网络的损失函数 本文将尽量…
-
（三） Keras Mnist分类程序以及改用交叉熵对比
视频学习来源 https://www.bilibili.com/video/av40787141?from=search&seid=17003307842787199553 笔记 Mnist分类程序 import numpy as np from keras.datasets import mnist #将会从网络下载mnist数据集 from ke…
-
（一） Keras 一元线性回归
视频学习来源 https://www.bilibili.com/video/av40787141?from=search&seid=17003307842787199553 笔记 环境为 anaconda + python3.7 Keras 线性回归 import keras from keras.layers import Dense from …
-
（四） Keras Dropout和正则化的使用
视频学习来源 https://www.bilibili.com/video/av40787141?from=search&seid=17003307842787199553 笔记 使用dropout是要改善过拟合，将训练和测试的准确率差距变小 训练集，测试集结果相比差距较大时，过拟合状态 使用dropout后，每一周期准确率可能不高反而最后一步提升很…
-
（五） Keras Adam优化器以及CNN应用于手写识别
视频学习来源 https://www.bilibili.com/video/av40787141?from=search&seid=17003307842787199553 笔记 Adam，常用优化器之一 大多数情况下，adma速度较快，达到较优值迭代周期较少， 一般比SGD效果好 CNN应用于手写识别 import numpy as np from…
-
（六） Keras 模型保存和RNN简单应用
视频学习来源 https://www.bilibili.com/video/av40787141?from=search&seid=17003307842787199553 笔记 RNN用于图像识别并不是很好 模型保存（结构和参数） 1 需要安装h5py pip install h5py 2在代码最后一行 model.save(‘model.h5’)…
