Keras笔记（一）

最新推荐文章于 2025-12-22 22:11:53 发布
原创 最新推荐文章于 2025-12-22 22:11:53 发布 · 279 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

Keras是由纯python编写的基于theano/tensorflow的深度学习框架。
Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如果有如下需求，可以优先选择Keras：
a）简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）
b）支持CNN和RNN，或二者的结合
c）无缝CPU和GPU切换

1.Keras的模块结构

在这里插入图片描述

2.使用Keras搭建一个神经网络

在这里插入图片描述

tensorflow/keras笔记
01-20
一、tensorflow 1. flag https://www.jianshu.com/p/b4c2d43d81c6 2.TensorFlow的tf.random_uniform/normal()函数的用法 https://blog.youkuaiyun.com/sunshunli/article/details/80186884 normal:正态分布，uniform:均匀...
Keras学习笔记1
08-04
在深度学习领域，Keras是一个极其重要的工具，它作为一个高级神经网络API，允许开发者快速构建和实验深度学习模型。Keras的设计目标是易用性和快速迭代，它支持Theano、TensorFlow和CNTK这三种主要的后端引擎，提供...
Keras 笔记
wu_x_j_的博客
07-23 173
1.keras.layers.Concatenate() #需要将维度指定参数写在内括号中 x1 = Concatenate()([x1,DSOI],axis=-1) x1 = Concatenate(axis=-1)([x1,DSOI]) https://blog.youkuaiyun.com/StupidAutofan/article/details/88666806 ...
keras的笔记
人生百态361
01-25 489
Keras是一个高级神经网络搭建工具，比TensorFlow更加高级，当然灵活性也就没那么高。Keras给出了各种深度学习结构的基础部件，我们只需要定义每一个部件的参数，全部连起来即可，很多细节都可以跳过，从而使得构造网络十分简单快速，不容易出错。 目录 1.关于Keras 2.Keras的模块结构 3.使用Keras搭建一个神经网络 4.主要概念 5.第一个示例 1.关于Ker...
深度学习keras笔记
芋泥啵啵月亮的博客
12-17 450
基本概念 1、tensorflow是keras的后端 2、tensor是张量，是向量和矩阵的推广。张量的阶数或维度称为轴（axis） import numpy as np a = np.array([[1,2],[3,4]]) sum1 = np.sum(a,axis=0) # axis=0代表按行计算 sum2 = np.sum(a,axis=1) # axis=1代表按列计算 print(sum1) print(sum2) output： [4 6] [3 7] 3、在tensorflow中表示1
keras笔记
qq_44044164的博客
01-17 502
model.fit() Keras中的fit函数会返回一个History对象，它的History.history属性会把之前的那些值全保存在里面，如果有验证集的话，也包含了验证集的这些指标变化情况，具体写法： hist=model.fit(train_set_x,train_set_y,batch_size=256,shuffle=True,nb_epoch=nb_epoch,validation_split=0.1) with open('log_sgd_big_32.txt','w') as f:
【Keras学习笔记】手写识别
tiantangmoke的博客
08-04 409
本文介绍了使用Keras构建神经网络模型的关键步骤。首先创建顺序模型，添加Flatten层将28×28图像转换为一维向量。随后加入64个神经元的Dense层，使用ReLU激活函数处理输入，解释其"正数放行，负数归零"的特性。最后一层是具有10个神经元的Dense层，对应10个输出类别，使用Softmax激活函数进行多分类。文章还探讨了神经元权重随机初始化的必要性，以及ReLU函数在神经网络中的作用机制。该模型架构适用于MNIST手写数字识别任务。
keras中ImageDataGenerator相关笔记
weixin_63719120的博客
09-17 466
通过不断测试，发现是flow_from_directory中参数directory无法读取到具体的文件夹。（1）使用flow_from_directory函数导出处理后的图像时，显示没有找到图片。解决方法：暴力遍历原文件名，用os.rename()替换。应该将directory改为.imgs而不是.imgs/test_img。（2）生成图片后，图像原文件名修改，不符合样题要求（在原名加上前缀操作）result_path:处理后生成后的图片路径。最近在使用keras图像处理遇到了一些问题，
Keras学习笔记
weixin_40727266的博客
03-08 398
也是在steps维度（也就是第二维）求最大值。但是限制每一步的池化的大小。比如，输入数据维度是[10, 4, 10]，池化层大小pooling_size=2，步长stride=1，那么经过MaxPooling(pooling_size=2, stride=1)后，输出数据维度是[10, 3, 10]。比如说输入数据维度是[10, 4, 10]，那么进过全局池化后，输出数据的维度则变成[10, 10]。在steps维度（也就是第二维）对整个数据求最大值。
【Keras学习笔记】线性回归
tiantangmoke的博客
08-01 581
前面学习了如何开发环境搭建， https://blog.youkuaiyun.com/tiantangmoke/article/details/149812331?spm=1001.2014.3001.5502 现在继续学习一个简单的模型训练过程 一、环境配置 import numpy as np 导入科学计算库NumPy，并简写为np。NumPy是Keras/TensorFlow的基础依赖库，提供高效的数组（张量）操作能力。导入Matplotlib的绘图模块，简写为plt。用于数据可视化和模型分析。 如果报错需要安装
tensorflow keras 学习笔记
ResumeProject的博客
05-26 209
林某 19:00:27 torch的drop和tf的drop好像就不一样 林某 19:00:39 一个是drop的比例一个是不被drop的比例 林某 19:01:09 还有CNN返回的维度含义也不一样
rnn笔记本：RNN（SimpleRNN，LSTM，GRU）Tensorflow2.0和Keras笔记本（车间材料）
02-04
某些部分是可以自由地从我们的也可以购买一个完整的软件包，包括从波斯32个视频 笔记本电脑 RNN简介： 我们如何推断不同的序列长度？ 加密货币预测 当我们使用return_sequences = True吗？ 堆叠式RNN（深度RNN...
TensorFlow2-keras-Vue开发笔记
05-28
Keras提供了一种高层次的神经网络API，支持多种后端，包括TensorFlow、Theano和CNTK。 Keras的使用可以从构建基本的层开始，如Dense（全连接层）、Conv2D（卷积层）和Pooling（池化层）。通过这些层，我们可以构建...
全品类电商AI助手诞生，AI试衣+万饰穿戴+图生视频，覆盖全链路
Dreamshop_AI的博客
12-19 1725
DreamshopAI升级推出三大核心功能，全面革新电商视觉生产流程：AI试衣功能通过智能识别服装款式和材质，7-15天模特拍摄缩短至几分钟；万饰穿戴功能突破品类限制，精准还原珠宝、箱包等商品的材质细节；图生视频功能将静态图片转化为高质量短视频，大幅降低视频制作门槛。系统基于千万级电商数据训练，能自动适配不同市场需求，并推出AI试衣屏Dreamfit实现线上线下体验闭环。此次升级使AI成为电商运营的核心生产力工具，将传统视觉制作效率提升3倍以上，推动电商行业进入智能化新阶段。
[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。
12-20 607
本文提出AIM框架，一种无需训练的多模态大语言模型(MLLMs)推理加速方法。通过双阶段设计：在LLM前基于相似度合并视觉Token，在LLM内基于注意力重要性剪枝Token，显著降低计算量。实验表明，该方法在视频理解任务中可减少6.8倍FLOPs，在图像任务中保持3.7倍加速的同时维持性能。关键发现包括：75%视觉Token冗余、LLM早期层侧重跨模态融合而后期侧重文本推理、跨帧合并会损害视频理解等。该方法支持动态调整压缩比例，为资源受限环境下的高效多模态推理提供了实用解决方案。
企业级 RAG 问答系统开发上线流程分析
最新发布
hello！
12-22 1127
这个项目流程是一个非常典型的。
界面重构与本地化实践：凤希AI伴侣的自动化演进思考 凤希AI伴侣2025年12月21日
12-21 663
昨日工作总结：完成凤希AI伴侣三项核心开发：1）重构模型选择界面，实现弹窗式分类展示；2）成功测试本地大模型的OCR功能；3）优化配置数据存储方案，采用本地存储+版本管理提升效率。同时深入探讨了AI工具自动化的本质价值——解放人类创造力。今日计划新增内容管理模块，实现H5页面文案和运营推广文案的系统化沉淀。全文由凤希AI智能生成，展现AI辅助工作的实际应用价值。
深度学习实践指南：TensorFlow 2 & Keras笔记本
标题中的“tf2_course”指的是一个课程项目名称，该项目主要面向学习者，以实际操作的笔记本形式帮助学习者通过练习和解决方案掌握TensorFlow 2和Keras在深度学习领域中的应用。TensorFlow 2是Google开发的一个开源...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值