keras.backend

常见隐藏单元(代码篇)|机器学习你会遇到的“坑”

我们在上一节的《常见隐藏单元》（理论篇）中基于阶跃函数和线性函数逐渐改进了隐藏单元，比如sigmoid函数改进了阶跃函数不光滑以及梯度几乎为零的缺点，tanh又改进了sigmoid函数非零中心的问题，反正切函数又改进了tanh函数过早饱和的缺点，LeakyReLU改进了ReLU的死亡问题，PReLU...

机器学习:自编码器概述及实验（自编码器的典型应用）

在今天的文章中，我想简单介绍一下一种名为自编码器的神经网络架构类型。这篇文章的目标是机器学习的初学者，他们希望对自编码器有一些基本的了解，以及为什么它们如此有用。上下文自编码器的结构是接受输入，将该输入转换为另一种表示形式，即输入的嵌入（embedding）。通过这种嵌入，它的目的是尽可能精确地重建...

深度学习中的类别激活热图可视化（分类激活函数）

作者：ValentinaAlto编译：ronghuaiyang导读...

TensorFlow 模型中的回调函数与损失函数

回调函数tf.keras的回调函数实际上是一个类，一般是在model.fit时作为参数指定，用于控制在训练过程开始或者在训练过程结束，在每个epoch训练开始或者训练结束，在每个batch训练开始或者训练结束时执行一些操作，例如收集一些日志信息，改变学习率等超参数，提前终止训练过程等等...

解决Invalid backend. Missing required entry : placeholder

在Python的集成编译软件里面运行深度学习程序，报错如下：报错描述：ValueError:Invalidbackend.Missingrequiredentry:placeholder...

神经风格迁移简介及实现（神经风格迁移简介及实现原理）

介绍神经网络在过去几年中已被广泛应用于图像识别。最酷的应用之一是LeonA.Gatys最初提出的神经风格迁移算法。该算法使用预训练的模型和简单的优化过程，将两个独立图像的风格和内容组合成一副图像。直觉任何图像都可以被认为有两个组成部分：内容：图像中的对象及其空间排列...

深入学习Keras中Sequential模型及方法

Sequential序贯模型　　序贯模型是函数式模型的简略版，为最简单的线性、从头到尾的结构顺序，不分叉，是多个网络层的线性堆叠。　　Keras实现了很多层，包括core核心层，Convolution卷积层、Pooling池化层等非常丰富有趣的网络结构。我们可以通过将层的列表传递给Sequenti...

对抗样本的基本原理（对抗样本图案）

雷锋网AI科技评论按：本文首发于“兜哥带你学安全”微信公众号。概述对抗样本是机器学习模型的一个有趣现象，攻击者通过在源数据上增加人类难以通过感官辨识到的细微改变，但是却可以让机器学习模型接受并做出错误的分类决定。一个典型的场景就是图像分类模型的对抗样本，通过在图片上叠加精心构造的变化量，在肉眼难以察...

代码详解:构建一个简单的Keras+深度学习REST API

在本教程中，我们将介绍一个简单的方法来获取Keras模型并将其部署为RESTAPI。本文所介绍的示例将作为你构建自己的深度学习API的模板/起点——你可以扩展代码，根据API端点的可伸缩性和稳定性对其进行定制。...

如何将Keras训练模型导出用于Tensorflow服务

TensorflowServing是将机器学习模型引入生产的最明显和最好的解决方案。带来的好处包括:一个预先构建的restapi，速度非常快，由谷歌支持不同模型和模型版本的源代码控制和访问在所有平台上服务模型的标准化方法。...