注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版，带书签，一共307页，完整版，目前最好的版本！欢迎下载！model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的

  3. 所属分类：深度学习

    • 发布日期：2019-09-03
    • 文件大小：12582912
    • 提供者：dzgybd

  1. keras 自定义loss损失函数,sample在loss上的加权和metric详解

  2. 主要介绍了keras 自定义loss损失函数,sample在loss上的加权和metric详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：111616
    • 提供者：weixin_38681218

  1. Keras之自定义损失(loss)函数用法说明

  2. 主要介绍了Keras之自定义损失(loss)函数用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：32768
    • 提供者：weixin_38722184

  1. keras自定义损失函数并且模型加载的写法介绍

  2. 主要介绍了keras自定义损失函数并且模型加载的写法介绍，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：47104
    • 提供者：weixin_38570296

  1. keras自定义回调函数查看训练的loss和accuracy方式

  2. 前言： keras是一个十分便捷的开发框架，为了更好的追踪网络训练过程中的损失函数loss和准确率accuracy，我们有几种处理方式，第一种是直接通过 history=model.fit()，来返回一个history对象，通过这个对象可以访问到训练过程训练集的loss和accuracy以及验证集的loss和accuracy。 第二种方式就是通过自定义一个回调函数Call backs，来实现这一功能，本文主要讲解第二种方式。 一、如何构建回调函数Callbacks 本文所针对的例子是卷积神经网络

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：83968
    • 提供者：weixin_38557095

  1. keras 自定义loss损失函数,sample在loss上的加权和metric详解

  2. 首先辨析一下概念： 1. loss是整体网络进行优化的目标， 是需要参与到优化运算，更新权值W的过程的 2. metric只是作为评价网络表现的一种“指标”， 比如accuracy，是为了直观地了解算法的效果，充当view的作用，并不参与到优化过程 在keras中实现自定义loss， 可以有两种方式，一种自定义 loss function, 例如： # 方式一 def vae_loss(x, x_decoded_mean): xent_loss = objectives.binary_cro

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：113664
    • 提供者：weixin_38718223

  1. keras自定义损失函数并且模型加载的写法介绍

  2. keras自定义函数时候，正常在模型里自己写好自定义的函数，然后在模型编译的那行代码里写上接口即可。如下所示，focal_loss和fbeta_score是我们自己定义的两个函数，在model.compile加入它们，metrics里‘accuracy’是keras自带的度量函数。 def focal_loss(): ... return xx def fbeta_score(): ... return yy model.compile(optimizer=Adam(lr=0.0001

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：49152
    • 提供者：weixin_38668776

  1. TensorFlow 2 学习笔记——从底层函数解析到Keras应用（小白入门）

  2. 目录TensorFlowTensorFlow 基本函数TensorFlow原生代码搭建神经网络神经网络中的名词解释学习率激活函数损失函数欠拟合与过拟合优化器更新网络参数Keras 搭建神经网络基本函数Sequential搭建神经网络Class自定义函数搭建神经网络卷积神经网络卷积计算感受野批标准化池化舍弃 TensorFlow TensorFlow 基本函数 1、tf.cast（张量名，dtype = 数据类型）：强制tensor转换为该数据类型； 2、tf.reduce_min(张量名)：计算

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：135168
    • 提供者：weixin_38675232

  1. TensorFlow 2 学习笔记——从底层函数解析到Keras应用（小白入门）

  2. 目录TensorFlowTensorFlow 基本函数TensorFlow原生代码搭建神经网络神经网络中的名词解释学习率激活函数损失函数欠拟合与过拟合优化器更新网络参数Keras 搭建神经网络基本函数Sequential搭建神经网络Class自定义函数搭建神经网络卷积神经网络卷积计算感受野批标准化池化舍弃 TensorFlow TensorFlow 基本函数 1、tf.cast（张量名，dtype = 数据类型）：强制tensor转换为该数据类型； 2、tf.reduce_min(张量名)：计算

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：135168
    • 提供者：weixin_38612304

  1. 有毒评论分类：使用BERT转移学习对文本进行多标签分类不平衡数据的重新采样-源码

  2. 使用预训练的Google BERT模型对有毒评论（Kaggle的竞争数据集）进行多标签分类 keras-bert.ipynb ：在Google的BERT模型的顶部微调一个多标签分类器（固定其参数）。 将Hamming损失与自定义定义的召回率指标一起使用（衡量分类器正确预测的阳性标签的比例），以评估分类器的性能。 use-model.ipynb ：使用微调的多标签分类器进行预测 colab-tpu ：文件夹包含用于在Colab TPU上训练模型的笔记本（注意：在对Colab TPU进行训练之前，

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：32768
    • 提供者：weixin_42097557

  1. keras-vis：用于keras的神经网络可视化工具包-源码

  2. Keras可视化工具包 keras-vis是用于可视化和调试已训练的keras神经网络模型的高级工具包。 当前支持的可视化包括： 激活最大化 显着图 类激活图 默认情况下，所有可视化都支持N维图像输入。 即，它推广到模型的N维图像输入。 该工具包通过干净，易于使用和可扩展的界面将上述所有问题归纳为能量最小化问题。 与theano和tensorflow后端兼容，具有“ channels_first”，“ channels_last”数据格式。 快速链接 阅读位于的文档。 日语版为 。 加入

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：45088768
    • 提供者：weixin_42134537

  1. 图像超分辨率：:magnifying_glass_tilted_right:可以对图像进行超缩放，并使用残差密集网络和对抗网络进行实验-源码

  2. 图像超分辨率（ISR） 该项目的目标是扩大和提高低分辨率图像的质量。 该项目包含针对单一图像超分辨率（ISR）的各种残差密集网络的Keras实现，以及使用内容和对抗性损失组件来训练这些网络的脚本。 已实施的网络包括： 残差密集网络中描述的超规模残差密集网络（Zhang et al.2018） 网络中描述的残留致密网络中的超规模残留（Wang等人，2018） Keras VGG19网络的多输出版本，用于感知损失中的深度特征提取 一种自定义判别器网络，基于（SRGANS，Ledig et

  3. 所属分类：其它

    • 发布日期：2021-02-01
    • 文件大小：10485760
    • 提供者：weixin_42099815

  1. Tensorflow学习笔记（三）上–Tensorflow基础API使用

  2. 上一篇文章中使用高级抽象的API tf.keras搭建模型， 本篇则介绍基础的API来方便大家更加灵活的定义和使用模型 内容包括tensorflow基础数据类型、自定义模型和损失函数、 自定义求导、tf.function、图结构等以及其在图像分类、房价预测上的实现。 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn impor

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：38912
    • 提供者：weixin_38677505

  1. Keras之自定义损失(loss)函数用法说明

  2. 在Keras中可以自定义损失函数，在自定义损失函数的过程中需要注意的一点是，损失函数的参数形式，这一点在Keras中是固定的，须如下形式： def my_loss(y_true, y_pred): # y_true: True labels. TensorFlow/Theano tensor # y_pred: Predictions. TensorFlow/Theano tensor of the same shape as y_true . . . return scalar #返

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：33792
    • 提供者：weixin_38689191

  1. CFace:使用在C ++代码库中实现的Tensorflow C API训练和评估面部分类Keras模型-源码

  2. 脸部 使用在C ++代码库中实现的Tensorflow C API训练和评估面部分类Keras模型。 相依性 自定义版本（包含在存储库中） 特征 CFace能够使用Keras预训练模型在基于C ++的应用程序中实现迁移学习。 这里介绍的实现是两个图像类别之间的二进制分类器。 CFace能够通过使用面部检测对面部图像进行预处理，将其裁剪为所需的模型输入大小，并将处理后的文件存储到准备用于训练的文件结构中。 也可以使用CFace进行完整的培训周期，严格只使用Tensorflow C API的调用，

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：405504
    • 提供者：weixin_42128558

  1. advanced_tensorflow:该存储库包含我在规范期间所做的所有工作。 Coursera的高级张量流-源码

  2. 先进的Tensorflow 该存储库包含所有笔记本和我在Coursera专业化高级Tensorflow期间开发的代码 课程1：使用TensorFlow的自定义模型，层和损失函数 Keras功能性API 课程2 课程3 课程4

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：109568
    • 提供者：weixin_42101164