![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Keras
文章平均质量分 61
爱吃东北大米的董挺好
这个作者很懒,什么都没留下…
展开
-
基于Keras的LetNet深度神经网络学习
卷积神经网络 上一章对于MNIST手写体识别使用2层神经网络,accuracy = 92.2%。然而,这样的策略并未提取出空间结构和图像关系信息。其中,以下代码把每个位图表示的手写体数组转换成扁平向量,导致空间局部性消失。 # X_train是60000行28*28的数据,变形为60000*784 X_train = X_train.reshape(60000, 784) X_test = X_test.reshape(10000, 784) 卷积神经网络保留了空间信息,因此可以更好地使用于图像分类问题。原创 2021-03-29 15:23:08 · 246 阅读 · 0 评论 -
2021-03-24
使用Keras进行神经网络架构学习 前段时间学习了CS231N的相关课程,对于神经网络有了一定的了解,也做了几个assignment。就正如每个作业对于神经网络内部有较好的学习掌握,但是例如编写一个VGG16网络可就太麻烦了,需要一层层搭建。经过师兄推荐使用Keras架构搭建方便多了。 我眼中的Keras 根据已知的Tensorflow的架构,扩张内容,减少编写的难度,简单入手,但是要是理解内部每个函数的多种参数的用法需要认真学习深度学习内的内容。笔者举个例子,普通的搭建神经网络,编写前向传播反向传播就好比原创 2021-03-24 16:47:14 · 66 阅读 · 1 评论