keras.backend 第8页
- 「深度神经网络 One-shot Learning」孪生网络少样本精准分类
-
1新智元编译背景传统观点一般认为，深度神经网络通常比较擅长从高维数据中学习，例如图像或者语言，但这是建立在它们有大量标记的样本来训练的情况下。然而，人类却拥有单样本学习的能力——如果你找一个从来没有见过小铲刀的人，给他一张小铲刀的图片，他应该就能很高效的将它从其他厨房用具里面鉴别出来。...
- “让Keras更酷一些!”分层的学习率和自由的梯度
-
高举“让Keras更酷一些！”大旗，让Keras无限可能。今天我们会用Keras做到两件很重要的事情：分层设置学习率和灵活操作梯度...
- Ubuntu下用Spyder使用Keras(GPU)的环境搭建
-
入坑几天，装无数次，为了防止忘记及以后还要安装，特写下此文以供参考。首先，报一下我的设备：Ubuntu16.04TL，NVDIAGeforce680，这是比较老的GPU了，姑且用来做初步实验。然后，从零开始，需要安装显卡驱动+CUDA+cuDnn+Anaconda3+Tensorflow+Ker...
- TensorFlow2.1正式版上线最后一次支持Python2，进一步支持TPU
-
机器之心报道参与：杜伟、一鸣TensorFlow2.1的更新，能够让弃坑的用户回心转意吗？...
- 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...
- Python与深度学习第四讲Keras 简介
-
Keras是一个Python深度学习框架，可以方便地定义和训练几乎所有类型的深度学习模型。Keras最开始是为研究人员开发的，其目的在于快速实验。因此，对于已理解和掌握了一些深度学习理论基础的初学者来说选Keras可以较快的实现深度学习编程的实操应用。对于Keras框架而言，其具有以下重要特...
- MXNet开放支持Keras，高效实现CNN与RNN的分布式训练
-
今日AWS发布博客宣布ApacheMXNet已经支持Keras2，开发者可以使用Keras-MXNet深度学习后端进行CNN和RNN的训练，安装简便，速度提升，同时支持保存MXNet模型。感谢Keras和ApacheMXNet（孵化）开源项目的贡献者，Keras...
- Keras实例人脸识别
-
1、olivettifaces人脸数据库简介OlivettiFaces是纽约大学的一个比较小的人脸库，由40个人的400张图片构成，即每个人的人脸图片为10张。每张图片的灰度级为8位，每个像素的灰度大小位于0-255之间，每张图片大小为64×64。如下图，这个图片大小是1190*942，一共有2...
- Keras学习手册(二)快速开始-Sequential 顺序模型
-
顺序模型是多个网络层的线性堆叠。你可以通过将网络层实例的列表传递给Sequential的构造器，来创建一个Sequential模型：fromkeras.modelsimportSequentialfromkeras.layersimportDense,Activation...