Elvirangel的博客

th与tf的区别==================Keras提供了两套后端，Theano和Tensorflow，th和tf的大部分功能都被backend统一包装起来了，但二者还是存在不小的冲突，有时候你需要特别注意Keras是运行在哪种后端之上，它们的主要冲突有：dim_ordering，也就是维度顺序。比方说一张224*224的彩色图片，theano的维度顺序是(3，224，22...

Python中读取图片并转化为numpy.ndarray()数据的6种方式方式： 返回类型OpenCV np.ndarrayPIL PIL....

观察模型的效果1. 训练集的准确率accuracy应该会高于测试集2. 观察训练轮数epoch与准确率accuracy、损失loss的关系改进网络的方法1. 增加隐藏层改进简单的网络2. 使用dropout进一步改进简单网络3. 选择更好的优化器optimizer4. 增加训练轮数epoch5. 控制优化器的学习率...

Keras官方文档：https://keras.io/models/model/#evaluateKeras中model.evaluate（）返回的是损失值和你选定的指标值（例如，精度accuracy）。evaluateevaluate(x=None, y=None, batch_size=None, verbose=1, sample_weight=None, st...

Keras中写一个网络的步骤1.载入数据2. 数据预处理 包括对数据进行归一化，分成训练集，测试集，验证集，对标签进行to_categorical()操作等等。3. 定义模型model（1）贯序模型方式 （2）函数式方式4. 编译模型（1）选择优化器 这是选择训练模型时更新权重的特定算法。如Adam、SGD、Mom...

to_categorical(y, num_classes=None, dtype='float32')将整型标签转为onehot。y为int数组，num_classes为标签类别总数，大于max(y)（标签从0开始的）。返回：如果num_classes=None，返回len(y) * [max(y)+1]（维度，m*n表示m行n列矩阵，下同），否则为len(y) * num_classe...

Keras 的原始构造模块是模型，最简单的模型称为序贯模型， Keras 的序贯模型是神经网络层的线性管道 （ 堆栈） 。以下代码段定义了 一个包含 12 个人工神经元的单层 网络，它预计有 8 个输入变量 （ 也称为特征）：from keras.models import Sequentialmodel =Sequential()model.add(12,input_dim=8,...

原文 Global Average Pooling(简称GAP，全局池化层)技术最早提出是在这篇论文（第3.2节）中，被认为是可以替代全连接层的一种新技术。在keras发布的经典模型中，可以看到不少模型甚至抛弃了全连接层，转而使用GAP，而在支持迁移学习方面，各个模型几乎都支持使用Global Average Pooling和Global Max Pooling(G...

保存keras的model文件和载入keras文件的方法有很多。keras中的模型主要包括model和weight两个部分。保存模型结构保存model部分的主要方法：一是通过json文件，二是通过Yaml文件Json文件# serialize model to JSONmodel_json = model.to_json()with open("model.json", ...

回调函数Callbacks回调函数是一组在训练的特定阶段被调用的函数集，你可以使用回调函数来观察训练过程中网络内部的状态和统计信息。通过传递回调函数列表到模型的.fit()中，即可在给定的训练阶段调用该函数集中的函数。【Tips】虽然我们称之为回调“函数”，但事实上Keras的回调函数是一个类，回调函数只是习惯性称呼Callback例子No.1：官网示例保存训...

1. 损失函数 loss损失函数（或称目标函数、优化评分函数）是编译模型时所需的两个参数之一：model.compile(loss='mean_squared_error', optimizer='sgd')from keras import lossesmodel.compile(loss=losses.mean_squared_error, optimizer='s...

参考：https://blog.csdn.net/xiaojiajia007/article/details/728657641.强制只使用cpu:import os＃os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # see issue #152os.environ["CUDA_VISIBLE_DEVICES"] = "-1"...

转：https://blog.csdn.net/u013378306/article/details/56281549张量的阶、形状、数据类型TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.阶在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的...

np.concatenate(）与 keras.layer.concatenate()关于参数axis的取值，说明如下：import numpy as npimport cv2from keras.layers import concatenatefrom keras.preprocessing.image import ImageDataGenerator, array_to_...