keras教程_人工智能

拓端数据tecdat|使用Python中Keras的LSTM递归神经网络进行时间序列预测

时间序列预测问题是预测建模问题中的一种困难类型。与回归预测建模不同，时间序列还增加了输入变量之间序列依赖的复杂性。用于处理序列依赖性的强大神经网络称为递归神经网络。长短期记忆网络或LSTM网络是深度学习中使用的一种递归神经网络，可以成功地训

03-08
探索学习率设置技巧以提高Keras中模型性能 | 炼丹技巧

学习率是一个控制每次更新模型权重时响应估计误差而调整模型程度的超参数。学习率选取是一项具有挑战性的工作，学习率设置的非常小可能导致训练过程过长甚至训练进程被卡住，而设置的非常大可能会导致过快学习到次优的权重集合或者训练过程不稳定。迁移学

03-08
Keras函数式API介绍 keras框架介绍

参考文献：Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, 2019.Keras的Sequential顺序模型可以快速搭建简易的神经网络，同时Ker

02-09
keras——经典模型之LeNet5 实现手写字识别

经典论文：Gradient-Based Learning Applied to Document Recognition参考博文：https://blog.csdn.net/weixin_44344462/article/details/89212507构建LeNet-5模型#定义LeNet5网络深度为1的灰度图像def LeNet5(x_train, y_train, x_test, y_test):########搭

02-09
Keras2.2 predict和fit_generator的区别

查看keras文档中，predict函数原型：predict(self, x, batch_size=32, verbose=0)说明：只使用batch_size=32，也就是说每次将batch_size=32的数据通过PCI总线传到GPU，然后进行预测。在一些问题中，batch_size=32明显是非常小的。而通过PCI传数据是非常耗时的

02-09
keras模块学习之-激活函数（activations）--笔记

本笔记由博客园-圆柱模板博主整理笔记发布，转载需注明，谢谢合作! 每一个神经网络层都需要一个激活函数，例如一下样例代码： from keras.layers.core import Activation, Densemodel.add(Dense(64))model.add(Activation('tanh'))或把

02-09
用于NLP的CNN架构搬运：from keras0.x to keras2.x

本文亮点：将用于自然语言处理的CNN架构，从keras0.3.3搬运到了keras2.x，强行练习了Sequential+Model的混合使用，具体来说，是Model里嵌套了Sequential。本文背景：暑假在做一个推荐系统的小项目，老师让我们搜集推荐系统领域Top5的算法和模型，要求结合深度

02-09
keras: 在构建LSTM模型时，使用变长序列的方法

众所周知，LSTM的一大优势就是其能够处理变长序列。而在使用keras搭建模型时，如果直接使用LSTM层作为网络输入的第一层，需要指定输入的大小。如果需要使用变长序列，那么，只需要在LSTM层前加一个Masking层，或者embedding层即可。from keras.layers import

02-09
条件随机场CRF原理介绍以及Keras实现

本文是对CRF基本原理的一个简明的介绍。当然，“简明”是相对而言中，要想真的弄清楚CRF，免不了要提及一些公式，如果只关心调用的读者，可以直接移到文末。 #按照之前的思路，我们依旧来对比一下普通的逐帧softmax和CRF的异同。 #CRF主要用于序列标注问题

02-09
win10 python3.7 Anaconda3 安装tensorflow+Keras

首先tensorflow 不支持python3.7,只能用tf1.9 也就是说：py3.7+ tf 1.9 +keras 2.2.0 才可以https://docs.floydhub.com/guides/environments/这个链接可以查询不同版本应该下载那个到Tensorflow支持Python3.7的一个whl：Unofficial Windows Binaries for Pyth

02-09
keras channels_last、preprocess_input、全连接层Dense、SGD优化器、模型及编译

channels_last 和 channels_firstkeras中 channels_last 和 channels_first 用来设定数据的维度顺序（image_data_format）。对2D数据来说，"channels_last"假定维度顺序为 (rows,cols,channels)，而"channels_first"假定维度顺序为(channels, rows, cols)。

02-09
【514】keras Dense 层操作三维数据

参考：Keras API reference / Layers API / Core layers / Dense layer　　语法如下：tf.keras.layers.Dense(units,activation=None,use_bias=True,kernel_initializer="glorot_uniform",bias_initializer="zeros",kernel_regularizer=None,bias_regularizer=

02-09
李宏毅 Keras2.0演示

李宏毅 Keras2.0演示不得不说李宏毅老师讲课的风格我真的十分喜欢的。在keras2.0中，李宏毅老师演示的是手写数字识别（这个深度学习框架中的hello world）创建网络首先我们需要建立一个Network scratch，input是28*25的dimension，其实就是说这是一张image

02-09
注意力机制及Keras实现 attention注意力机制

注意力往往与encoder-decoder（seq2seq）框架搭在一起，假设我们编码前与解码后的序列如下：编码时，我们将source通过非线性变换到中间语义：则我们解码时，第i个输出为：可以看到，不管i为多少，都是基于相同的中间语义C进行解码的，也就是说

02-09
将keras的h5模型转换为tensorflow的pb模型 keras 调用h5模型

h5_to_pb.pyfrom keras.models import load_modelimport tensorflow as tfimport os import os.path as ospfrom keras import backend as K#路径参数input_path = 'input path'weight_file = 'weight.h5'weight_file_path = osp.join(input_path,weight_file

02-09
Keras MAE和MSE source code

def mean_squared_error(y_true, y_pred):if not K.is_tensor(y_pred):y_pred = K.constant(y_pred)y_true = K.cast(y_true, y_pred.dtype)return K.mean(K.square(y_pred - y_true), axis=-1)def mean_absolute_error(y_true, y_pred):if not K.is_tensor(y_

02-09
Keras网络层之“关于Keras的层(Layer)” keras的embedding层

关于Keras的“层”(Layer)所有的Keras层对象都有如下方法：layer.get_weights()：返回层的权重(numpy array)layer.set_weights(weights)：从numpy array中将权重加载到该层中，要求numpy array的形状与layer.get_weights()的形状相同layer.get_config()：返回

02-09
（二） Keras 非线性回归

视频学习来源 https://www.bilibili.com/video/av40787141?from=search&seid=17003307842787199553笔记Keras 非线性回归import kerasimport numpy as npimport matplotlib.pyplot as plt#Sequential按序列构成的模型from keras.models import Sequential#Dens

02-09
用keras的cnn做人脸分类 keras图像分类

keras介绍Keras是一个简约，高度模块化的神经网络库。采用Python / Theano开发。使用Keras如果你需要一个深度学习库：可以很容易和快速实现原型（通过总模块化，极简主义，和可扩展性）同时支持卷积网络（vision）和复发性的网络（序列数据）。以及两者的组合

02-09
Keras分类问题 keras 分类模型

#-*- coding: utf-8 -*-#使用神经网络算法预测销量高低import pandas as pd#参数初始化inputfile = 'data/sales_data.xls'data = pd.read_excel(inputfile, index_col = u'序号') #导入数据#数据是类别标签，要将它转换为数据#用1来表示“好”、“是”、“高

02-09