tf.keras.layers.Conv1D(filters, kernel_size, strides=1, padding=‘valid’,data_format=‘channels_last’,dilatio
转载
2023-05-18 17:17:20
129阅读
多思考也是一种努力，做出正确的分析和选择，因为我们的时间和精力都有限，所以把时间花在更有价值的地方。
原创
2021-08-25 14:23:20
313阅读
Module: tf.keras.applications 该类封装了很多重量级的网络架构，实例化的时候会默认加载参数 DenseNet121() DenseNet169() DenseNet201() InceptionResNetV2() InceptionV3() MobileNet() Mo
原创
2021-07-22 11:04:00
988阅读
tf.keras.constraints 约束：对权重值施加约束的函数。 tf.keras.constraints.MaxNorm tf.keras.constraints.MinMaxNorm
原创
2021-07-22 11:02:28
538阅读
tf.keras.Sequential 序列化建模，一般步骤为： 1、实例化一个Sequential类，该类是继承于Model类； 2、添加所需要的神经网络层； 3、用compile进行编译模型； 4、用fitx训练模型； 5、用predict预测。 Sequential类的属性： layers:
原创
2021-07-22 11:04:01
951阅读
# 从零开始学习使用 tf.keras.utils.to_categorical
作为一名经验丰富的开发者，我们经常会使用 TensorFlow 来构建和训练深度学习模型。在深度学习中，经常需要对标签进行独热编码（One-Hot Encoding），而 tf.keras.utils.to_categorical 就是 TensorFlow 中用来实现这一功能的函数。在本篇文章中，我将向刚入行的小
原创
2024-05-15 11:13:01
157阅读
tf.keras.estimator tf.keras.estimator.model_to_estimator()：从给定的Keras模型构造评估实例。 keras_model：一个已经编译的keras模型；它与keras_model_path互斥； custom_objects：自定义对象的字典
原创
2021-07-22 11:02:27
656阅读
tf.keras.Input() 初始化一个keras张量 案例： tf.keras.Model() 将layers分组为具有训练和推理特征的对象 两种实例化的方式： 1 - 使用“API”，从开始，链接层调用以指定模型的正向传递，最后从输入和输出创建模型： 2 - 通过继承Model类：在这种情况
原创
2021-07-22 11:04:03
1221阅读
import tensorflow as tf import os from sklearn import datasets import numpy as np # 加载数据集 """ 其中测试集的输入特征 x_test 和标签 y_test 可以像 x_train 和 y_train 一样直接从
转载
2020-08-26 11:44:00
232阅读
2评论
tf.keras.backend.int_shape函数 tf.keras.backend.int_shape(x) 定义在：tensorflow/python/keras/backend.py。 返回张量或
转载
2023-10-31 09:46:16
95阅读
Module: tf.keras.activations activations类保存了各种激活函数 activations类的方法： elu(): 指数线性单位； exponential(): 指数激活函数； get() hard_sigmoid(): Hard sigmoid 激活函数； lin
原创
2021-07-22 11:02:33
1909阅读
tf.keras.backend tf.keras的后端API，这里集成了很多常用的数学方法 abs()：获取元素的绝对值；可以传入数值型常量、张量、列表等； 这里的数据类型和传入的数据类型相关。 all()：对传入的数据进行“且”操作，一个假就全假 any()：同上，这里是求与的操作 arange
原创
2021-08-01 16:51:01
2249阅读
文章目录1.导入tf.keras2.构建简单模型2.1模型堆叠2.1.1dense ：全连接层2.2网络配置3.训练和评估3.1设置训练流程3.2输入Numpy数据3.2.1fit参数详解3.3tf.data输入数据3.3.1构造dataset3.4评估与预测3.5 Sequential模型线性回归实战4.构建高级模型4.1函数式api4.1.2 tf.keras.Input函数4.2模型子类化
转载
2024-06-30 09:04:38
560阅读
Keras之父国庆倾情奉献！
转载
2021-08-13 16:37:02
99阅读
点击上方“AI算法与图像，第一时间送
转载
2022-08-01 14:51:48
83阅读
参考：刘志瑛《Tensorflow+Pytorch深度学习从算法到实战》网络搭建的过程： 整体网络训练的过程：搭建框架——编译——训练——评估——预测/使用使用keras搭建基本步骤核心代码实例import keras
from keras.layers import Conv2D,MaxPooling2D,Flatten,Dense,Dropout
from keras.models impor
转载
2023-08-30 09:40:09
158阅读
0. 写在前面从几天开始，我就新跳入了一个坑里，这个坑就是大家基本上竞相跳的深度学习-Keras。但是入手并不顺利啊，虽然它已经是深度学习中，封装的十分棒的框架了，但是就和武器一样，越是厉害的武器，限制条件越多。下面看看我的坎坷之路。1. Keras安装1.1安装前准备咱属于个人开发，要啥没啥，环境只能是笔记本+windows+anaconda+python3.5+pycharm。 那装Keras
转载
2023-12-07 06:26:47
0阅读
如何选择工具对深度学习初学者是个难题。本文作者以 Keras 和 Pytorch 库为例，提供了解决该问题的思路。 当你决定学习深度学习时，有一个问题会一直存在——学习哪种工具？深度学习有很多框架和库。这篇文章对两个流行库 Keras 和 Pytorch 进行了对比，因为二者都很容易上手，初学者能够轻松掌握。那么到底应该选哪一个呢？本文分享了一个解决思路。做出合适选择的最佳方法是对每个框架的代码样
转载
2023-12-11 09:17:52
167阅读
本专栏是Keras学习笔记，主要是Keras使用方法，配合各种案例，学习炼丹技巧，力求详细全面，如有错误不吝批评指正。开篇搭建环境，买了台全新电脑，从头搭建，按照文中步骤，可以搭建成功，很多坑都考虑到了。全新电脑什么都没有，所以按照下面教程来，基本可行。〇：先上最终安装的各版本号：Windows 10 64位1909python 3.6.5CUDA 10.0（具体版本号：10.0.1
转载
2024-07-17 17:59:23
225阅读
Module: tf.keras.callbacks class BaseLogger 该类的结构：
原创
2021-07-22 11:02:30
336阅读
