- 博客(4)
- 资源 (1)
- 收藏
- 关注
原创 深度可分离卷积
如果我告诉你,有一个层可以替代Conv2D,并且可以让模型更加轻量(即更少的可训练权重参数)、速度更快(即更少的浮点数运算),还可以让任务性能提高几个百分点,那么如何呢?深度可分离卷积(depthwise separable convolution)(SeparableConv2D)就可以做到这一点。这个层对输入的每个通道分别执行空间卷积,然后通过逐点卷积(1*1卷积)将输出通道混合。这相当...
2018-10-11 21:31:26 8849 4
原创 Keras的回调函数
训练模型时,很多事情一开始无法预测。尤其是你不知道需要多少轮次才能得到最佳验证损失。通常简单的办法是:训练足够多的轮次,这时模型已经开始过拟合了,根据第一次运行来确定训练所需要的正确轮次,然后使用这个最佳轮数从头开始启动一个新的训练。当然,这种方法很浪费。更好的办法是使用回调函数。ModelCheckpoing和EarlyStopping回调函数如果监控的目标在设定轮数内不再改善,可以用Ear...
2018-10-11 14:59:29 3473 4
转载 Keras函数式API
函数式API简介使用函数式API,可以直接对张量进行操作,也可以把层当做函数来使用,接收张量并返回张量。下面举一个简单的示例,并展示一个简单的Sequential模型以及对应的函数式API实现。from keras.models import Sequential, Modelfrom keras.layers import Densefrom keras import Inputs...
2018-10-10 20:57:30 2010 1
原创 一维卷积神经网络处理序列模型
from keras.datasets import imdbfrom keras.models import Sequentialfrom keras.layers import Embedding, Conv1D, MaxPooling1D, GlobalMaxPooling1D, Densefrom keras.optimizers import RMSpropmax_featu...
2018-10-08 20:40:43 24236 5
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人