人工智能
-
吴裕雄–天生自然 python数据分析：基于Keras使用CNN神经网络处理手写数据集
import pandas as pd import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimg import seaborn as sns %matplotlib inline np.random.seed(2) from sklearn.mode…
-
[深度应用]·DC竞赛轴承故障检测开源Baseline（基于Keras 1D卷积 val_acc:0.99780）
个人网站–> http://www.yansongsong.cn/ Github项目地址–> https://github.com/xiaosongshine/bearing_detection_by_conv1d 大赛简介 轴承是在机械设备中具有广泛应用的关键部件之一。由于过载，疲劳，磨损，腐蚀等原因，轴承在机器操作过程中容易损坏。事实…
-
吴裕雄–天生自然神经网络与深度学习实战Python+Keras+TensorFlow：使用神经网络预测房价中位数
import pandas as pd data_path = ‘/Users/chenyi/Documents/housing.csv’ housing = pd.read_csv(data_path) housing.info() housing.head() housing.describe() housing.hist(bins=50, figsiz…
-
吴裕雄–天生自然神经网络与深度学习实战Python+Keras+TensorFlow：使用自动编解码网络实现黑白图片上色
”’ 加载cifar10图片集并准备将图片进行灰度化 ”’ from keras.datasets import cifar10 def rgb2gray(rgb): #把彩色图转化为灰度图，如果当前像素点为[r,g,b],那么对应的灰度点为0.299*r+0.587*g+0.114*b return np.dot(rgb[…,:3], [0.299…
-
Keras Model Sequential模型接口
在阅读这片文档前，请先阅读 Keras Sequential 模型指引。 Sequential 模型方法 compile compile(optimizer, loss=None, metrics=None, loss_weights=None, sample_weight_mode=None, weighted_metrics=None, target_t…
-
golang调用tensorflow keras训练的音频分类模型
1 实现场景分析 业务在外呼中经常会遇到接听者因忙或者空号导致返回的回铃音被语音识别引擎识别并传递给业务流程解析，而这种情况会在外呼后的业务统计中导致接通率的统计较低，为了解决该问题，打算在回铃音进入语音识别引擎前进行识别，判断为非接通的则直接丢弃不在接入流程处理。经过对场景中的录音音频及语音识别的文字进行分析，发现大部分的误识别回铃音都是客户忙或者是空号，…
-
[深度应用]·首届中国心电智能大赛初赛开源Baseline（基于Keras val_acc: 0.88）
个人网站–> http://www.yansongsong.cn 项目github地址：https://github.com/xiaosongshine/preliminary_challenge_baseline_keras 大赛简介 为响应国家健康中国战略，推送健康医疗和大数据的融合发展的政策，由清华大学临床医学院和数据科学研究院，天津市武清区京津…
-
keras调用预训练模型分类
在网上看到一篇博客，地址https://www.pyimagesearch.com/2017/03/20/imagenet-vggnet-resnet-inception-xception-keras/，是关于利用keras上预训练的模型进行图像分类的示例，于是我也自己动手运行了一下，效果，一般。 上代码 from keras.applications im…
-
keras实例学习-双向LSTM进行imdb情感分类
源码：https://github.com/keras-team/keras/blob/master/examples/imdb_bidirectional_lstm.py 及keras中文文档 1.imdb数据集 数据集来自 IMDB 的 25,000 条电影评论，以情绪（正面/负面）标记。评论已经过预处理，并编码为词索引（整数）的序列表示。为了方便起见…
-
Keras高层API之Metrics
在tf.keras中，metrics其实就是起到了一个测量表的作用，即测量损失或者模型精度的变化。metrics的使用分为以下四步： step1:Build a meter acc_meter = metrics.Accuracy() loss_meter = metrics.Mean() step2:Update data loss_meter.updat…
