人工智能
-
比Keras更好用的机器学习“模型包”：无需预处理，0代码上手做模型
萧箫 发自 凹非寺量子位 报道 | 公众号 QbitAI 做机器学习模型时，只是融合各种算法，就已经用光了脑细胞？ 又或者觉得，数据预处理就是在“浪费时间”？ 一位毕业于哥廷根大学、做机器学习的小哥也发现了这个问题：原本只是想设计个模型，结果“实现比设计还麻烦”。 于是他自己动手做了个项目igel （德语中意为“刺猬”，但也是Init、Generate、Ev…
-
Keras深度学习笔记 线性回归
定义与公式 线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。 特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫做多元回归。 单变量回归 当只有一个变量时，线性模型的函数定义为： 其中，权值w0为函数在y轴上的截距, w1为解释变量的系数。我们的目…
-
Keras中RNN不定长输入的处理–padding and masking
在使用RNN based model处理序列的应用中，如果使用并行运算batch sample，我们几乎一定会遇到变长序列的问题。 通常解决变长的方法主要是将过长的序列截断，将过短序列用0补齐到一个固定长度(例如max_length)。 最后由n个sample组成的dataset能形成一个shape == (n, max_length)的矩阵。然后可以将这个…
-
介绍 Keras
本章向读者介绍Keras，它是一个功能强大、内容抽象的图书馆。 构建深度学习网络的基础。Keras提供的构建块使用 （前面已经介绍）以及张量流（它是用于构建计算的 图形、自动导出渐变等）。keras同时支持CPU和GPU计算，是一个 快速原型化想法的好工具…
-
[深度学习] keras的EarlyStopping使用与技巧
Early Stopping是什么 具体EarlyStopping的使用请参考官方文档和源代码。EarlyStopping是Callbacks的一种，callbacks用于指定在每个epoch开始和结束的时候进行哪种特定操作。Callbacks中有一些设置好的接口，可以直接使用，如’acc’, ‘val_acc’, ’loss’ 和 ’val_loss’等等…
-
keras 设置GPU使用率
import tensorflow as tffrom keras.backend.tensorflow_backend import set_session config = tf.ConfigProto()config.gpu_options.allocator_type = \’BFC\’ #A “Best-fit with coalescing” …
-
深度学习者的入门福利-Keras深度学习笔记
Keras深度学习笔记 最近本人在github上发现一个不错的资源，是利用keras来学习深度学习的笔记，笔记内容充实，数据完善，本人亲自实操了里面的所有例子，深感收获颇丰，今天特意推荐给大家，希望能给大家带来帮助。文末有彩蛋哦 前提说明 本资源作者：ErhWen Kuo 本篇微文编辑：自然语言处理遇上深度学习 如需转载请联系本公众号小…
-
离线安装Tensorflow、Keras、OpenCV（任意库）
此方法可以安装任意库及其依赖包，Windows、Ubuntu下都适用 如无特殊版本要求，有一个更简单的方法：第一步安装Anaconda不变，安装好之后：直接运行： pip install –download “你准备放离线tensorflow安装包的文件夹地址” tensorflow pip install –download “你准备放离线keras安…
-
Keras: 创建多个输入以及混合数据输入的神经网络模型
摘要 点击此处下载源代码：https://jbox.sjtu.edu.cn/l/NHfFZu在本教程中，您将学习如何将Keras用于多输入和混合数据。 您将了解如何定义一个Keras网络结构，该网络结构能够接受多种输入，包括数字、类别和图像等多种数据。然后，我们将在混合数据上训练一个端到端的网络。 这是我们有关Keras和回归问题的三篇系列文章的最后一篇: …
-
主流深度学习框架对比（TensorFlow、Keras、MXNet、PyTorch）
近几年来，深度学习的研究和应用的热潮持续高涨，各种开源深度学习框架层出不穷，包括TensorFlow，Keras，MXNet，PyTorch，CNTK，Theano，Caffe，DeepLearning4，Lasagne，Neon，等等。Google，Microsoft等商业巨头都加入了这场深度学习框架大战，当下最主流的框架当属TensorFlow，Kera…
