Keras
关注
分享
扫一扫
文章平均质量分 65
DrCrypto
这个作者很懒，什么都没留下…
展开
-
【1】Keras复习之模型，层，训练，评估与预测
本系列主要是针对文档的学习，文档地址是： www.keras.io，文档非常详细。Keras的核心数据结构就是模型，最简单的模型就是序贯模型，也就是Sequential模型，是层的线性堆砌。如果是想要更加复杂的模型，则需要用Keras Functionl API，用这个API我们就可以搭建任意复杂的模型了~~但一般能简单的就用序贯模型。我们也从序贯模型开始。使用方式也很简单：from ke...原创 2018-11-06 11:11:10 · 1672 阅读 · 0 评论 -
【深度学习】卷积计算与训练模型的几种方法
卷积计算全连接层和卷积层的根本区别在于：全连接层（Dense层）从输入空间中学到的是全局模式，而卷积层学到的是局部模式。因为这个特性，所以卷积神经网络有两个有趣的性质：平移不变性：卷积神经网络在图像右下角学到的某个模式，它可以在任何地方识别出来这个模式；而对于全连接网络，如果模式出现在新的位置，就必须重新学习这个模式。所以卷积神经网络需要更少的数据就可以学到具有泛化能力的数据表示。空间层...原创 2018-12-22 22:09:50 · 884 阅读 · 0 评论 -
【深度学习】CNN模型的可视化-1
CNN模型学到的东西很适合可视化，这里介绍三种方法：可视化CNN模型的中间输出（中间激活）：帮助我们理解CNN是如何对输入进行变换，以及CNN每个卷积核的含义可视化CNN的卷积核：帮助我们理解卷积核容易接受的视觉模式或概念客户刷图像中类激活的热力图：图像中哪些部分被识别为某个类别，辅助我们定位图像中的物体加载已保存的模型的方法from keras.models import load...原创 2018-12-22 22:02:45 · 1838 阅读 · 0 评论 -
【深度学习】使用预训练模型
主要有两种方法：特征提取微调模型特征提取特征提取就是使用已经训练好的网络在新的样本上提取特征，然后将这些特征输入到新的分类器，从头开始训练的过程。卷积神经网络分为两个部分：一系列池化层+卷积层，也叫卷积基全连接层特征提取就是去除之前训练好的网络的卷积基，在此之上运行新数据，训练新的分类器。我们只是复用卷积基，而不用训练好的分类器的数据，这样做的原因是卷积基学到的表示更加...原创 2018-12-22 20:26:12 · 14854 阅读 · 3 评论 -
【深度学习】深度学习分类与模型评估
内容大纲分类和回归之外的机器学习形式评估机器学习模型的规范流程为深度学习准备数据特征工程解决过拟合问题处理机器学习问题的通用流程监督学习的主要种类及其变种主要包括两大类问题：分类回归变种问题主要有：序列生成：给定一张图像，输出描述图像的文字；可以被重新表示为分类问题语法树预测：给定一个句子，输出其分解生成的语法树目标检测：给定一张图像，在图中的目标周围绘制一个...原创 2018-12-22 00:11:17 · 7176 阅读 · 1 评论 -
【深度学习】使用Keras开发的流程概述
开发流程典型的Keras工作流程如下：定义训练数据：输入张量和目标张量定义层组成的网络（模型），将输入映射到目标配置学习过程：选择损失函数，优化器和需要监控的指标调用模型的fit方法在训练数据上迭代定义模型的方法有两种方法：使用Sequential类，仅仅用于层的线性堆叠，目前最常用函数式API，可以构建任意形式的架构案例：线性堆叠法from keras impor...原创 2018-12-21 00:57:51 · 1121 阅读 · 0 评论 -
【深度学习】IMDB数据集上电影评论二分类
任务描述根据电影评论的文字内容来将电影划分为正面或者负面。IMDB数据集50000条两级分化的评论。正面负面各为50%。# 加载数据from keras.datasets import imdb(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) # 仅保留训练数据中...原创 2018-12-21 13:01:17 · 5471 阅读 · 0 评论 -
【深度学习】单标签多分类问题之新闻主题分类
# -*- coding: utf-8 -*-"""单标签多分类问题之新闻主题分类.ipynbAutomatically generated by Colaboratory.Original file is located at https://colab.research.google.com/drive/18TqrbGYm2J-jmR89KZHOa7vxbAr4eOz2#...原创 2018-12-21 14:07:12 · 2647 阅读 · 1 评论 -
【深度学习】ImageDataGenerator的使用--读书笔记
数据预处理现在模型也定义好了，原始数据也准备好了，但是在将数据填入模型之前，需要进行预处理才能使用，填入模型的是浮点数张量。而当前数据是以JPEG文件的形式保存在硬盘中，预处理步骤如下：读取图像文件将JPEG文件解码为RGB像素网格将像素网格转化为浮点数张量将像素值缩放到0~1区间Keras提供了自动完成这些步骤的工具：keras.preprocessing.image，其中有一个...原创 2018-12-22 16:00:56 · 21500 阅读 · 9 评论 -
【3】Keras.applications包，一堆可以复用的深度学习模型库
Applications包里有很多深度学习经典模型，且有预训练好的权重。这些模型可以轻松用于：预测特征提取微调这些预训练权重会在实例化模型时自动下载，且放置在~/.keras/models文件夹下。对于图像识别任务，有下面这些模型可用：XceptionVGG16VGG19ResNet50InceptionV3InceptionResNetV2MobileNetDe...原创 2018-11-07 16:21:39 · 6041 阅读 · 0 评论 -
【2】Keras之激活函数
喜欢看官宣的，直接去这里：https://keras.io/activations/本文内核也是来自这个地方。Keras中如何使用激活函数有两种使用方式：Activation层其它层的activation参数通过添加激活层使用：from keras.layers import Activation, Densemodel.add(Dense(64))model.add(Act...原创 2018-11-06 11:31:24 · 5331 阅读 · 0 评论 -
【深度学习】深度学习的四大组件
这四大组件就是：层输入数据和标签损失函数优化器这四者的关系描述如下：多层组合在一起形成了网络，网络的目的是将输入数据映射为预测值，通过损失函数将预测值和目标值比较，得出损失值，用来衡量网络的性能，而优化器的职责是迭代优化损失值来更新网络权重（BP算法）。层：构建网络的乐高积木深度学习模型的最常见用法是层的线性堆叠，将单一输入映射为单一输出，即数据从一端进，然后从另一端出。但...原创 2018-12-21 00:39:04 · 1681 阅读 · 0 评论