木盏

最近也是深受某人的影响，决定入坑Keras。在拥有TF经验的基础上，入门keras居然只用了2个小时。入坑keras的理由：实在是简便，如同tf游乐场一样的操作。实现算法的费力程度降低了很多；支持TF/theano/CNTK为后端框架，作为TFer确实需要更简便的算法实现工具了；运行速度上，理论上不会下降很多，毕竟后端是基于TF的，而且支持GPU训练；等以后买了TPU，依然可以用...

keras提供简单方便的模型可视化工具，只需一行代码就可以用框图的形式可视化出你搭建的网络结构。对于复杂网络而言，这个工具就是个神器呀。 这篇博文是解决win10环境下的keras模型可视化工具所遇到的问题，Linux暂时还没有尝试(不过也可以借鉴)。 大致环境是： OS: win10 python==3.5.4 keras==2.2.0 pydot==1...

1. models 一般会选择Sequential作为模型，from keras.models import Sequentialfrom keras.layers import Densemodel = Seqential()model.add(Dense(12, input_dim=8, kernel_initializer='random_uniform'))Sequ...

keras中concatenate源代码如下:def concatenate(tensors, axis=-1): """Concatenates a list of tensors alongside the specified axis. # Arguments tensors: list of tensors to concatenate. ...

神经网络玩得越久就越会尝试一些网络结构上的大改动。先说意图有两个模型：模型A和模型B。模型A的输出可以连接B的输入。将两个小模型连接成一个大模型，A-B，既可以同时训练又可以分离训练。流行的算法里经常有这么关系的两个模型，对GAN来说，生成器和判别器就是这样子；对VAE来说，编码器和解码器就是这样子；对目标检测网络来说，backbone和整体也是可以拆分的。所以，应用范围还是挺广的。...

Keras因其简洁便用被越来越多的调参工程师接受了，它具有高可读性的优势，缘于它本身对代码的模块化封装。高度模块化封装之后，很多细粒度操作就变得比较困难了，要不停地阅读它的技术document。       如果对基于keras所搭建的模型的中间计算结果进行读取，中文技

今天做了一个关于keras保存模型的实验，希望有助于大家了解keras保存模型的区别。我们知道keras的模型一般保存为后缀名为h5的文件，比如final_model.h5。同样是h5文件用save()和save_weight()保存效果是不一样的。我们用宇宙最通用的数据集MNIST来做这个实验，首先设计一个两层全连接网络：inputs = Input(shape=(784, ))...

Keras是超级无敌好入手的AI框架之一了，极其人性化的设计受到了本人的吹爆。然而，keras中比较难理解的地方还是存在的，比如说这个fit_generator。在模型搭建完compile以后，一行"model.fit_generator(xxx)"就可以完成训练。真正让服务器开始忙的就是这一行代码。keras给模型喂入数据的函数有fit和fit_generator。我们知道fit的用...