IGSzt的博客

深度神经网络之Keras（三）——正则化、超参数调优和学习方向本文将继续探索Keras框架下的深度神经网络知识，主要介绍了利用Keras构建的深度神经网络正则化及超参数调优问题。目录深度神经网络之Keras（三）——正则化、超参数调优和学习方向一级目录二级目录三级目录一、 过拟合问题二、正则化2.1 L1正则化2.2 L2正则化2.3 丢弃正则化三、超参数调优3.1 深度学习中的超参数3.1.1 层中的神经元数量3.1.2 层的数量3.1.3 历元数3.1.4 权重初始化3.1.5 批尺寸3.1.6 学

深度神经网络之Keras（二）——监督学习：回归本文将继续探索Keras框架下的深度神经网络知识，主要介绍了利用Keras构建深度神经网络的监督学习——回归的步骤及其结构。目录深度神经网络之Keras（二）——监督学习：回归一、数据来源二、问题描述三、探索数据3.1 数据下载3.2 查看数据字典3.3 查看数据类型3.4 处理时间3.5 预测销售额3.6 探索数值列3.7 了解特征分类四、数据工程五、定义模型的基本性能六、设计深度神经网络6.1 测试模型性能6.2 改进模型6.3 增加神经元数量6.4

深度神经网络之Keras（一）——从Keras开始本文将探索Keras框架下的深度神经网络知识，主要介绍了利用Keras构建深度神经网络的步骤及其结构。Keras的安装在此未提及（读者可在网络上很容易找到）。目录深度神经网络之Keras（一）——从Keras开始一、输入数据二、神经元三、激活函数四、Sigmoid与ReLU函数五、模型六、层1、核心层2、Dropout层3、其它层及编写自己的层七、损失函数八、优化器1、随机梯度下降（SGD）2、Adam3、RMSProp4、Adagrad5、Adadel