
Keras
幸运六叶草
个人公众号:“Python技术博文”;关注人工智能,热衷学习IT新技术。
展开
-
tensorflow.keras和keras的比较
tf.keras 与 keras 绝对兼容,但请注意:tf.keras 与 keras 版本相同时,才绝对兼容。可以通过 tf.keras.version.来查看 tf.keras 的版本。tensorflow和keras的兼容版本信息查看地址:Environments保存模型参数时,tf.keras 默认保存成 checkpoint 格式。可以通过设置 save_format=‘h5’ 来保存成 HDF5 格式。tf.keras是 Keras API 在 TensorFlow 里原创 2020-11-12 22:28:53 · 1711 阅读 · 0 评论 -
循环神经网络的高级用法
本文将介绍提高神经网络的性能和泛化能力的三种高级技巧。1)循环dropout(recurrent dropout)。这是一种特殊的内置方法,在循环层中使用dropout来降低过拟合。2)堆叠循环层(stacking recurrent layers)。这会提高网络的表示能力(代价是更高的计算负荷)。3)双向循环层(bidirectional recurrent layer)。将相同的信...原创 2020-01-09 15:44:31 · 1091 阅读 · 0 评论 -
Keras Sequential 顺序模型
Keras Sequential 顺序模型https://keras.io/zh/getting-started/sequential-model-guide/#keras-sequential顺序模型是多个网络层的线性堆叠。你可以通过将网络层实例的列表传递给Sequential的构造器,来创建一个Sequential模型:from keras.models import...原创 2020-01-08 16:02:28 · 641 阅读 · 0 评论 -
数据增强
数据增强(data augmentation)在计算机视觉领域是一种非常强大的降低过拟合的技术。计算机视觉在深度学习中之所以过拟合,原因是学习样本太少,导致无法训练出能够泛化到新数据的模型。如果拥有无限的数据,那么模型能够观察到数据分布的所有内容,这样就不会过拟合。数据增强是从现有的训练样本中生成更多的训练数据,其方法是利用多种能够生成可信图像的随机变换来增加(augment)样本。其目标...原创 2019-12-20 09:28:16 · 573 阅读 · 0 评论 -
训练IMDB数据集,但是出现"ValueError: Object arrays cannot be loaded when allow_pickle=False"的错误
训练IMDB数据集,但是出现"ValueError: Object arrays cannot be loaded when allow_pickle=False"的错误.解决办法:重新安装numpy imdb支持的numpy版本在1.16.2restart 再执行 就没有问题了代码实现:打开cmdpip install numpy==1.16.2...原创 2019-12-18 10:26:09 · 375 阅读 · 0 评论 -
Keras入门级实战——MNIST手写体识别
手写体识别:这里要解决的问题是,将手写数字的灰度图像(28 像素×28 像素)划分到 10 个类别 中(0 ~ 9)。这个数据集包含 60 000 张训练图像和 10 000 张测试图 像,由美国国家标准与技术研究院(National Institute of Standards and Technology,即 MNIST 中 的 NIST)在 20 世纪 80 年代收集得到。图 2 - 1...原创 2019-12-18 09:57:18 · 527 阅读 · 0 评论 -
Keras入门级简介
Keras是一个Python深度学习框架,可以方便定义和训练几乎所有类型的深度学习模型。最开始Keras是为研究人员开发,其目的就是为了快速市验。Keras具有以下重要特性:1)相同的代码可以在CPU或GPU上无缝切换运行。2)具有用户友好的API,便于快速开发深度学习的原型。3)内置支持卷积网络(用于计算机视觉)、循环网络(用于序列处理)以及二者的任意组合。4)支持任意网络架...原创 2019-12-18 09:29:24 · 672 阅读 · 0 评论