keras学习
格拉迪沃
这个作者很懒,什么都没留下…
展开
-
用keras做分类的步骤总结[含代码]
用keras做分类的步骤总结概述数据集搭建自己的模型数据预处理运行代码并进行评估改进与提高数据增强正则化模型用数据增强生成器训练新模型进一步提高推荐概述如何用深度学习框架做分类,具体步骤应该是什么?应该怎么做?本文以keras(2.0版以上)为框架来具体讲解训练自己的网络来进行图片分类的步骤:1.准备好自己的数据集,并按照train,test,validation来划分2.阅读论文或者相关...原创 2019-03-19 16:17:39 · 1999 阅读 · 0 评论 -
keras优化模型
keras优化模型概述高级架构模式批标准化深度可分离卷积残差连接超参优化模型集成概述我们如何将模型由“具有不错的性能”上升到“性能卓越且能够赢得机器学习竞赛”?那么更好的模型设计、超参优化和模型集成将会是最好的选择。高级架构模式批标准化深度可分离卷积残差连接超参优化什么是超参数?模型应该多少层,每层应该包含都少单元和过滤器,激活函数选什么,这些就是超参数,不能通过反向传播训练。曾...原创 2019-04-16 20:47:06 · 1027 阅读 · 0 评论 -
关于循环神经网络做预测的几点思考
关于循环神经网络做预测的几点总结序列转监督如何预测序列转监督我们刚刚接触机器学习和深度学习时候,都是分类任务,那么分类任务和序列预测最大的区别就在于序列转监督的过程。其中牵扯3个量,一个是lookback就是依靠之前多少个点来预测,delay的量是指预测多少个点以后的量(delay=0,就是预测下一个点),还有就是预测之后的的几个点(一般选一个)。举一个例子,如果你选择的训练集的时序长的为N...原创 2019-04-08 08:44:57 · 2418 阅读 · 2 评论 -
keras处理文本数据
keras处理文本数据1处理文本数据单词和字符的one-hot编码使用词嵌入利用Embedding层学习词嵌入1处理文本数据文本是一种以字符或者单词为序列数据,而如何让他让计算机读懂从而进行一系列处理是比较关键的一步。从本质上来说文字其实就是便于人这种碳基生命理解的抽象符号,而对于计算机这种硅基生命胚胎来说,或许向量才是它们最便于理解的形式,因此下面介绍如何将文本向量化。将文本分解成的单元叫...原创 2019-03-31 15:42:59 · 1655 阅读 · 1 评论 -
keras进行时间序列预测
时间序列预测概述数据集的预处理基准方法调优增加dropout层增加网络深度概述用深度学习的方法进行端到端的时间序列预测需要一下几个步骤1.对数据进行预处理,比如数据清洗,归一化等,然后把时间序列数据转化为监督问题数据。2.进行基准方法的常识。基准方法可以选择基于常识的和基于简单机器学习的。3.模型的搭建和与结果的对比4.不断地调优模型本文选用的例子为时间序列预测,数据集从这里下载,它...原创 2019-04-01 16:06:16 · 6023 阅读 · 2 评论 -
keras回调函数的使用
keras回调函数的使用概述功能与种类ModelCheckpoint 与EarlyStopping 回调函数ReduceLROnPlateau 回调函数编写自己的回调函数概述在训练时候,我们希望在训练中有所输出和判断,而不是一直到训练结束才能实现交互,那么回调函数就是你最好的选择。本篇博文针对回调函数的功能,种类以及代码使用进行讲解功能与种类回调函数的用法例如下所示模型检查点(mode...原创 2019-04-10 18:15:18 · 3159 阅读 · 0 评论 -
keras可视化的强大工具——TensorBoard
keras可视化的强大工具——TensorBoard概述TensorBoard的主要功能使用方法概述取得进展是一个反复迭代的过程(或循环):首先你有一个想法,并将其表述为一个实验,用于验证你的想法是否正确。你运行这个实验,并处理其生成的信息。这又激发了你的下一个想法。在这个循环中实验的迭代次数越多,你的想法也就变得越来越精确、越来越强大。这是keras之父的一段话,Keras 可以帮你在最短...原创 2019-04-10 20:31:10 · 2627 阅读 · 2 评论 -
Keras复杂网络的搭建
Keras复杂网络的搭建概述Sequential To 函数API多输入模型多输出模型有向无环Inception 模块残差连接把层作为模型概述在我们刚接触keras时候用的都是用的Sequential模型实现的,但是这种网络只能有一个输入和一个输出,如果我们要搭建多模态的网络(多输入多输出,层与层之间的跨越连接等)就要用keras函数式API了。Sequential To 函数API函数式...原创 2019-04-10 15:07:06 · 1677 阅读 · 0 评论 -
用keras理解循环神经网络
用keras理解循环神经网络概述理解RNN理解LSTM用keras实现RNN和LSTM例子概述本博客用伪代码来代替繁杂的数学公式,让跟多人能够避开令人眼花的复杂公式,通过伪代码快速理解RNN和LSTM RNN的计算步骤。然后用通俗的话来解释其工作原理,达到对其原理和结构的理解。然后用RNN和LSTM RNN做一个简单的应用,并分析其差异和优劣。理解RNN具体的RNN背景和数学推导,大家可以...原创 2019-03-31 17:32:25 · 1202 阅读 · 0 评论 -
使用keras进行迁移学习
使用keras进行迁移学习概述提取特征法不数据增强的特征提取使用数据增强的特征提取微调模型概述针对小型数据集,如果从头训练一个网络效果并不理想,如何进一步提高呢?在上一篇博文的基础上,我们进行预训练。即用迁移学习的思想来提高分类效果。使用预训练的方法有两种:特征提取和模型微调提取特征法提取特征这法又分为两种形式,一种是用之前预训练过的网络直接提取特征然后将这些特征送入新的分类器从头开始训...原创 2019-03-20 09:51:08 · 4695 阅读 · 2 评论 -
使用LSTM生成文本
使用LSTM生成文本概述如何生成序列数据生成文本的采样策略文本序列生成程序流程准备并解析初始文本将字符序列向量化构建神经网络模型训练语言模型并采样用模型生成文本概述我们的感知模式、语言和艺术作品都具有统计结构。学习这种结构是深度学习算法所擅长的。机器学习模型能够对图像、音乐和故事的统计潜在空间(latent space)进行学习,然后从这个空间中采样(sample),创造出与模型在训练数据中...原创 2019-04-17 11:38:48 · 6814 阅读 · 1 评论