qq_42902997的博客

编码from keras.utils import to_categorical(x_train,y_train),(x_test,y_test)= fashion_mnist.load_data()y_train = to_categorical(y_train)解码np.argmax(y_train,axis=1)

文章目录创建 CNN 网络并训练查看所有网络层并去除 input定义一个获取特征并展示的函数调用函数结果展示结论如果你最终想要得到下图这种效果，就继续读下去~创建 CNN 网络并训练import keras,osfrom keras.models import *from keras.layers import *import numpy as npfrom keras.utils import to_categoricalfrom keras import backend as Kim

文章目录导包数据集（手写数字识别）挑选数据：使用 “1” 这个类别的图片作为基准核心代码1.生成器2. 鉴别器3. GAN 网络的构造打印最后生成的结果1. 前10张图的生成效果2. 最后10张图的生成效果打印训练过程的 loss整体代码牛刀小试：生成 fashion_mnist数据集中的图片结果loss导包import kerasfrom keras.layers import *from keras.optimizers import *from keras.losses import *f

文章目录1. 单个模型的神经网络2. 包含多个模型的神经网络创建3. 多模型神经网络的训练1. 单个模型的神经网络以 CNN 网络为例def cnn(input_shape,classes): model = Sequential() model.add(Conv2D(input_shape=input_shape,filters=25,kernel_size=(3,3),padding='same',activation='relu')) model.add(MaxPo

你还在为自己搭建网络结构而烦恼么你还在为自己找不到合适的网络做实验而苦闷么看完这篇文章，给你不一样的新世界1. 模块导入这里以 vgg-16 模块的导入和使用为例，给大家做简单的演示from keras_applications import vgg162. 模型实例化vgg_16 = vgg16.VGG16(input_shape=(224,224,3), weights=None, include_.

文章目录1. 为什么要使用 fit_generator2. 如何创建 generator3. 如何使用 fit_generator4. 完整代码1. 为什么要使用 fit_generator我们都知道我们在进行神经网络训练的时候如果使用 model.fit 的方式训练，那么我们需要把整个 x_train 加载到内存中，而 keras 自带的一些 datasets 又很小，在训练的时候完全可以这么做，所以如果是 keras 的小白，可能觉得 fit 是一个很好用的训练方法，而且也习惯了这种方式。但

文章目录1. GAN 网络原理1.1 generator1. GAN 网络原理GAN 网络由两个最主要的部分构成：generatordiscriminator1.1 generator生成器的作用很简单，那就是输入一个噪声，输出一个特定尺寸的图片、文本、数据等，在本文的例子中，generator 生成的数据是图片。先来看一下 generator 网络的定义：def generator(input_shape,channel): model = Sequential() #

文章目录安装必要环境建立网络模型将网络结构进行可视化展示安装必要环境pip install pydotpip install graphviz建立网络模型例如使用简单的CNN模型def cnn(input_shape,classes): model = Sequential() model.add(Conv2D(input_shape=input_shape,filters=25,kernel_size=(3,3),padding='same',activation='re

文章目录1. 构建神经网络2. 冻结特定层的网络权重3. 冻结与非冻结的效果对比3.1 冻结网络训练的结果3.2 解冻网络训练的结果3.3 结论4. 冻结更多的参数，看是否会降低训练精度5. 冻结整个网络的全部参数，看会出现什么情况1. 构建神经网络这里以简单的 cnn 网络为例注意：由于我在第 2 步中冻结了输出层的参数，为了与其他层进行区分，我在定义网络的时候给输出层起了个名字，“output”，如果不使用网络中的 name 属性对网络命名，那么系统会在 .summary 的时候自动给网络的层分

文章目录1. 搭建网络2. 加载数据集3. 训练网络时，调用 Tensorboard1. 搭建网络使用简单的 CNN 网络import keras,osfrom keras.models import Sequentialfrom keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropoutimport numpy as npfrom keras.models import Modelos.environ["CUDA_VI

文章目录1. 定义神经网络2. 导入数据集3. 训练网络1. 定义神经网络这里定义了一个简单的 CNN 网络import keras,osfrom keras.models import Sequentialfrom keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropoutimport numpy as npfrom keras.models import Modelos.environ["CUDA_VISIBLE_DEV

场景今天下午用 vgg-16 来训练 mnist 网络：50000 个 sample1 个 epochbatchsize = 64使用 2 个 gpu 1080 ti显卡，跑了一下午就是停不下来了问题呈现看这里该死的 unknown，一眼望不到头，训练了 20多万个 step 就是停不下来原因分析因为使用的 fit_generator 来训练，这本质是一个生成器，所以如果不指定每个 epoch 的训练步数 step 他就会无限循环下去·····，以至于我跑了一下午，精度到了 99

前期准备：下载和安装自己 nvidia 驱动按照nvidia 驱动的版本号安装 cuda 和 cudnn安装 anaconda添加 anaconda 的环境变量创建 conda 的虚拟环境1. 安装 keras-gpu（因为 conda 会将一系列的附带包全部安装适配版本，例如 cudatoolkit，tensorflow-gpu，所以直接用 conda 安装 keras-gpu 即可）进行这一步，默认读者已经安装了 anaconda 并且创建了自己的虚拟环境；conda ins

Tensorflow 学习2：深度神经网络激活函数：使用非线性激活函数的目的是为了解决非线性问题tf.nn.relutf.sigmoidtf.tanh

Tensorflow 学习1.tensorflow本身运算是张量，没有具体的值2.tensorflow 可以用Session来将张量变成具体的数值tf.constant()用来产生具体的数字或者向量相应的：tf.Variable()是程序产生相应的矩阵变量tf.Session.run() session 用来执行定义好的运算并管理运行时的所有资源sess = tf.Se...