Keras入门神经网络
文章平均质量分 68
使用Keras框架入门神经网络、CNN、RNN等。
废物药浪学代码
这个作者很懒,什么都没留下…
展开
-
【Keras入门】1.4用于降维的自编码器Autoencoder与PCA
0.1用于降维的主成分分析法(PCA)0.2用于降维的自编码器(Autoencoder)1.加载数据,并将28×28的图片Reshape成784维的向量from keras.datasets import mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()print('shape of x_train:' + str(x_train.shape))print('shape of x_test:' + str(x_tes原创 2021-07-09 00:29:47 · 2253 阅读 · 0 评论 -
【Kaggle竞赛猫狗分类】1.3 卷积神经网络中的Tricks(使用keras为例)
Kaggle竞赛的猫狗分类:https://www.kaggle.com/c/dogs-vs-cats/-展示如何使用卷积神经网络CNN的Tricks如Dropout、数据增强、预训练、Ensemble、多任务学习,来提高CNN的泛化能力。CNN0.下载和解压猫狗图片数据集猫狗分类数据集下载: https://www.kaggle.com/c/dogs-vs-cats/data下载好后解压到相应文件夹。1.加载和处理猫狗图片数据集1.1加载数据集(划分为猫狗两个文件夹)from ker原创 2021-07-08 00:19:53 · 965 阅读 · 2 评论 -
【Keras入门】1.2 使用Keras训练卷积神经网络CNN(手写数字为例)
将以最简单的MNIST数据集展示如何使用Keras框架训练卷积神经网络CNN。卷积神经网络CNN,在测试集上的精度达到了98.8%最简单的神经网络(输入784维,输出10维)1.加载和处理MNIST数据集1.1 加载数据集from keras.datasets import mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()print('shape of x_train:' + str(x_train.shape)原创 2021-07-07 15:25:25 · 553 阅读 · 0 评论 -
【Keras入门】1.1 使用Keras训练简单的神经网络(手写数字为例)
将以最简单的MNIST数据集展示如何使用Keras框架训练神经网络。最简单的神经网络,在测试集上的精度达到了88.5%使用全连接的神经网络,精度达到97.2%。最简单的神经网络(输入784维,输出10维)1.加载和处理MNIST数据集1.1 加载数据集from keras.datasets import mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()print('shape of x_train:' + st原创 2021-07-07 14:03:14 · 701 阅读 · 0 评论