Keras学习
五颗粒粒
你就是海滩下的那乌克丽丽
寻找着逆光让暧昧变成剪影
展开
-
Keras深度学习应用1——基于卷积神经网络(CNN)的人脸识别(下)
基于CNN的人脸识别(下)三、人脸识别数据集3.1 数据集划分3.2 数据增强四、搭建CNN网络模型4.1 搭建CNN模型4.2 模型训练4.3 加载需要识别的人脸Keras深度学习应用1——基于卷积神经网络(CNN)的人脸识别(上),上一篇博客已经详细叙述了CNN的理论基础,该篇博客具体叙述使用Keras实现人脸识别的具体代码。三、人脸识别数据集MegaFace人脸库是美国华盛顿大学发布维护的一个百万级别规模的人脸库,是目前世界上最为权威的人脸识别性能指标之一。该人脸库具有数据量大、图像具有随机性等原创 2020-10-29 15:06:09 · 12567 阅读 · 66 评论 -
Keras深度学习应用1——基于卷积神经网络(CNN)的人脸识别(上)
基于CNN的人脸识别(上)一、 CNN概述1.1 CNN发展历程1.2 CNN基本结构二、 CNN算法原理2.1 CNN基本网络结构2.1.1输入层2.1.2卷积层2.1.3池化层2.1.4全连接层2.1.5 激励层一、 CNN概述1.1 CNN发展历程卷积神经网络由生物学自然视觉认知机制启发而来。1962年,诺贝尔奖得主D.H.Hubel和T.N.Wiesel,这两位学者通过对猫脑部皮层中特定的神经元进行研究时,发现了其独特的网络结构。根据这个启发有学者提出了新识别机(recognition)的概念原创 2020-10-28 14:44:55 · 10933 阅读 · 6 评论 -
Keras深度学习记录3——深度学习工作流程
深度学习工作流程一级目录二级目录三级目录通过前两个实例Keras深度学习记录1——从简单的mnist数据集开始Keras深度学习记录2——电影评论分类(二分类)可以了解到神经网络如何解决分类问题以及Keras解决深度学习任务的具体工作流程,而且也看到了深度学习的核心难题:过拟合。本文将这些概念——模型评估、数据预处理、特征工程、解决过拟合——整合为七个工作流程。一级目录二级目录三级目录...原创 2020-10-27 09:34:44 · 1893 阅读 · 0 评论 -
Keras深度学习记录2——电影评论分类(二分类)
电影评论分类一、加载IMDB数据集二、准备数据三、 网络搭建1.模型定义2.编译模型2.1 配置优化器2.2 使用自定义损失函数和指标四、模型训练与验证1.留出验证集2.训练模型3.使用matplotlib绘制训练损失和验证损失4.查看测试集模型性能5.使用训练好的网络在新数据上生成预测结果五、整体代码清单六、运行结果——过拟合二分类问题是机器学习中应用最广泛的问题,下面将学习根据电影评论的文字内容将其划分为正面或负面的例子。一、加载IMDB数据集下面代码将会下载imdb数据集(第一次运行将下载大约8原创 2020-10-22 17:25:31 · 2201 阅读 · 0 评论 -
Keras深度学习记录1——从简单的mnist数据集开始
一、初识神经网络本文使用mnist数据集来认识神经网络,学习Python的Keras库,在学习之前首先了解以下概念。1.MNIST数据集:机器学习经典数据集,该数据集为手写数字灰度图像(28像素x28像素),共十个类别(0~9),包含60000张训练图像和10000张测试图像。2.类(class):机器学习分类问题中的某个类别叫做类(class)。例如:0~9十个数字,则有10个类。3.样本(sample):数据点叫做样本,即mnist数据集中的所有图像。4.标签(label):某个样本对应的类叫原创 2020-10-09 21:02:06 · 2194 阅读 · 2 评论 -
win10系统下Anaconda安装tensorflow-gpu环境详细配置教程
1.下载安装Anaconda:下载网址查看自己的显卡型号原创 2020-09-10 11:34:31 · 4150 阅读 · 1 评论 -
kears可视化模块keras.utils.visualize_util 的安装配置与错误解决办法-Windows系统
kears可视化模块keras.utils.visualize_util 的安装配置与错误解决办法-Windows系统一、错误提示:ImportError: Failed to import pydot. You must install pydot and graphviz for `pydotprint` to work.方法1.安装**pydot、graphviz** 模块,使用豆瓣镜像源可以加速安装;方法2.上述模块安装后依然提示错误,可以进入代码查看一下,路径**anaconda**->**原创 2020-08-13 01:17:57 · 1747 阅读 · 0 评论