Watson的博客

卷积神经网络是一种自动化特征提取的机器学习模型，主要用于解决图像识别问题。从直观上讲，是一个从细节到抽象的过程。这里的关键的如何抽象，抽象就是把图像中的各种零散的特征通过某种方式汇总起来，形成新的特征。深度学习网络最上层的特征是最抽象的。卷积神经网络还依靠于反向传播的反馈机制，来自动调节过滤器来更加准确提取特征。一般一个卷积层包括3个部分:卷积、非线性变化（激活函数）、池化（Pooling）...

激活对象softmaxsoftplussoftsignelurelutanhsigmoidhard_sigmoidlinear初始化对象（Initializer）ZerosOnesConstant(value=1)RandomNormalTruncatedNormalRandomUniform正则化对象正则化是防止过拟合的一个很常用的手段kernel...

在Keras中有两种深度学习的模型：序列模型（Sequential）和通用模型（Model）。差异在于不同的拓扑结构。序列模型 Sequential序列模型各层之间是依次顺序的线性关系，模型结构通过一个列表来制定。from keras.models import Sequentialfrom keras.layers import Dense, Activationlayers =...