[譯] Keras 速查表:使用 Python 構建神經網路
使用 Keras 速查表構建你自己的神經網路,便於初學者在 Python 中進行深度學習,附有程式碼示例 Keras 是一個基於 Theano 和 TensorFlow 的易於使用且功能強大的庫,它提供了
使用 Keras 速查表構建你自己的神經網路,便於初學者在 Python 中進行深度學習,附有程式碼示例 Keras 是一個基於 Theano 和 TensorFlow 的易於使用且功能強大的庫,它提供了
自編碼器是一種很好的降維技術,它可以學習到資料中非常有用的資訊。而收縮自編碼器作為正則自編碼器的一種,其非線性降維效果非常好,並且它的過程可以通過流形知識來解釋。 基礎知識 1、自編碼器 自編碼器是
很長一段時間以來,我在單個 GTX 1070 顯示卡上訓練模型,其單精度大約為 8.18 TFlops。後來谷歌在 Colab 上啟用了免費的 Tesla K80 GPU,配備 12GB 記憶體,且速
Tensorflow 和 Keras 除了能處理 前一篇 文章提到的迴歸(Regression,擬合&預測)的問題之外,還可以處理分類(Classfication)的問題。 這篇文章我們就介紹一
Keras 和 PyTorch 當然是對初學者最友好的深度學習框架,它們用起來就像描述架構的簡單語言一樣,告訴框架哪一層該用什麼。這樣減少了很多抽象工作,例如設計靜態計算圖、分別定義各張量的維度與內容等等。
LSTM是一種時間遞迴神經網路,適合於處理和預測時間序列中間隔和延遲相對較長的重要事件。在自然語言處理、語言識別等一系列的應用上都取得了很好的效果。 《Long Short Term Memory Netw
谷歌 AutoML 的出現使得普通深度學習從業者也能以最少的領域知識來訓練模型,但這項服務每小時收費 20 美元,是不是很肉疼?所幸,AutoKeras 為廣大從業者帶來了福音。這種開源 Python 包為昂
Keras的核心資料結構是“模型”,模型是一種組織網路層的方式。Keras中主要的模型是Sequential模型,Sequential是一系列網路層按順序構成的棧。你也可以檢視泛型模型來學習建立更復雜的模型。
今天的內容要向大家介紹Estimator (https://tensorflow.google.cn/api_docs/python/tf/estimator?hl=zh-CN)-
我愛計算機視覺 標星,更快獲取CVML新技術 計算機視覺在醫療領域的應用非常廣泛,52CV曾有相關博文: AI醫療 | 新開源計算機視覺技術用於新生兒胎齡估計 NIHCC釋出迄今世界最大的
SVHN是街景數字的資料集,Google在2013年發表的論文“ Multi-digit Number Recognition from Street View Imagery using Deep Conv
在深度學習中,批量歸一化(batch normalization)以及對損失函式加一些正則項這兩類方法,一般可以提升模型的效能。這兩類方法基本上都屬於權重約束,用於減少深度學習神經網路模型對訓練資料的過擬合,並
這是崔斯特的第七十三篇原創文章 深度學習 (๑• . •๑) 神經網路定義 人工神經網路,簡稱神經網路,在機器學習和認知科學領域,是一種模仿生物神經網路(動物的中樞神經系統,特別是大腦
(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2, Keras 2.1.6, Tensorflow 1.
(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2, Keras 2.1.6, Tensorflow 1.