Keras学习
文章平均质量分 71
暖仔会飞
这个作者很懒,什么都没留下…
展开
-
深度学习图像预处理之:对数据集中的每张图片的 R,G,B 各个通道进行减均值除标准差操作
from keras.datasets import cifar10(x_train, y_train), (x_test, y_test) = cifar10.load_data()# 如果不处理的话,每张图的每个通道都是 (0-255) 之间的取值x_train[0]array([[[ 59, 62, 63], [ 43, 46, 45], [ 50, 48, 43], ..., [158, 132, 108],原创 2022-01-17 01:06:49 · 1889 阅读 · 0 评论 -
Keras学习之:写个简单程序获得神经网络指定中间层的输出
文章目录代码展示结果代码from keras.datasets import *from keras.losses import categorical_crossentropyfrom keras.datasets import *from keras.layers import *from keras.models import *from keras.utils import to_categoricalimport osimport cv2# os.environ["CUDA_V原创 2022-01-15 03:40:05 · 415 阅读 · 1 评论 -
Resnet训练:基于 keras 实现 37万参数,Resnet26,cifar10 上训练精度达到 91.90%
# @Time : 2022/1/4 8:00 # @Author : PeinuanQin# @File : train.py导包from keras.preprocessing.image import ImageDataGeneratorfrom keras.callbacks import *from keras.datasets import *from keras.losses import *from keras.utils import to_categoricalfro原创 2022-01-14 01:02:23 · 1008 阅读 · 0 评论 -
keras学习之:对接 sklearn——将 keras 构建的网络模型可以和 sklearn中的 生成树,随机森林 等一样进行网格搜索和评估
文章目录动机重要的 API如何使用举一反三如何把 KerasClassifier 当作一个 estimator什么是 estimator动机你是否有过这种感觉:想通过 sklearn 里面集成的方法对 keras 构造的模型进行网格搜索或者是和决策树、随机森林的模型做对比和融合,但是苦于他们的类型不一致,没办法进行共同的操作。如果你也是这样感觉的,那么这篇文章会带你打破 keras 构建的神经网络模型和 sklearn 中继承的传统机器学习模型的壁垒,让他们更加紧密地关联重要的 APIfro原创 2021-12-06 07:52:32 · 1977 阅读 · 0 评论 -
keras学习之:20分钟,教你通过 feature map 生成 attention 图(heatmap 图)
导入库import numpy as npimport cv2import matplotlib.pyplot as plt%matplotlib inlineimport keras.applications通过 opencv 打开图片因为我们的路径中存在中文路径,所以我们先用 numpy 读取图片的矩阵,然后再用 opencv 进行转码如果你的路径中不存在中文,则可以直接采用 cv2.imread(“filepath”) 即可def cv_imread(filePath):原创 2021-11-28 23:01:38 · 2933 阅读 · 0 评论 -
Keras学习之:tensorboard 异常报错及处理方法
文章目录错误类型总结错误类型Not a TBLoader or TBPlugin subclass: <class 'tensorboard_plugin_wit.wit_plug这种错误看起来是 tensorboard_plugin_wit 导致的,网上很多的方法都是pip uninstall tensorboard_plugin_wit但当我这么做之后,出现了新的问题,那就是 tensorboard 可视化需要使用这个模块,但是却没有找到这个模块,因此我觉得这样根本就不从根本上解决原创 2021-09-11 15:26:24 · 736 阅读 · 0 评论 -
机器学习入门之:keras重写手写数字识别
1. 导入模块import numpy as np # 科学的矩阵运算库import cv2 # 进行图片可视化的库import matplotlib.pyplot as plt # 进行图片可视化的库from keras import layers # 构建神经网络的各种层from keras import models # 负责将各个神经网络层进行链接形成模型from keras.utils import to_categorical # 负责将特征编码成独热码原创 2020-09-14 10:59:00 · 275 阅读 · 2 评论 -
Keras学习之:one-hot码的编码和解码
编码from keras.utils import to_categorical(x_train,y_train),(x_test,y_test)= fashion_mnist.load_data()y_train = to_categorical(y_train)解码np.argmax(y_train,axis=1)原创 2020-12-15 22:42:31 · 942 阅读 · 0 评论 -
Keras调用单个或者多个GPU训练的方法
前期准备:下载和安装自己 nvidia 驱动按照nvidia 驱动的版本号安装 cuda 和 cudnn安装 anaconda添加 anaconda 的环境变量创建 conda 的虚拟环境1. 安装 keras-gpu(因为 conda 会将一系列的附带包全部安装适配版本,例如 cudatoolkit,tensorflow-gpu,所以直接用 conda 安装 keras-gpu 即可)进行这一步,默认读者已经安装了 anaconda 并且创建了自己的虚拟环境;conda ins原创 2020-10-27 20:31:59 · 4273 阅读 · 3 评论 -
Keras学习之:教你简单地写个 GAN 网络
文章目录1. GAN 网络原理1.1 generator1. GAN 网络原理GAN 网络由两个最主要的部分构成:generatordiscriminator1.1 generator生成器的作用很简单,那就是输入一个噪声,输出一个特定尺寸的图片、文本、数据等,在本文的例子中,generator 生成的数据是图片。先来看一下 generator 网络的定义:def generator(input_shape,channel): model = Sequential() #原创 2020-11-15 22:11:30 · 1598 阅读 · 2 评论 -
Keras学习之:把一个神经网络所有层的激活特征输出进行可视化并作比较
文章目录创建 CNN 网络并训练查看所有网络层并去除 input定义一个获取特征并展示的函数调用函数结果展示结论如果你最终想要得到下图这种效果,就继续读下去~创建 CNN 网络并训练import keras,osfrom keras.models import *from keras.layers import *import numpy as npfrom keras.utils import to_categoricalfrom keras import backend as Kim原创 2020-12-14 17:00:57 · 770 阅读 · 0 评论 -
keras学习之:如何使用 tensorboard 来完成训练过程的实时监测和调整
文章目录1. 搭建网络2. 加载数据集3. 训练网络时,调用 Tensorboard1. 搭建网络使用简单的 CNN 网络import keras,osfrom keras.models import Sequentialfrom keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropoutimport numpy as npfrom keras.models import Modelos.environ["CUDA_VI原创 2020-11-11 21:20:39 · 951 阅读 · 2 评论 -
keras学习之:全网最简单GAN 网络研究,教你产生手写的数字
文章目录导包数据集(手写数字识别)挑选数据:使用 “1” 这个类别的图片作为基准核心代码1.生成器2. 鉴别器3. GAN 网络的构造打印最后生成的结果1. 前10张图的生成效果2. 最后10张图的生成效果打印训练过程的 loss整体代码牛刀小试:生成 fashion_mnist数据集中的图片结果loss导包import kerasfrom keras.layers import *from keras.optimizers import *from keras.losses import *f原创 2020-12-09 15:21:59 · 595 阅读 · 1 评论 -
keras学习之:获取神经网络中间层的输出结果
文章目录1. 定义神经网络2. 导入数据集3. 训练网络1. 定义神经网络这里定义了一个简单的 CNN 网络import keras,osfrom keras.models import Sequentialfrom keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropoutimport numpy as npfrom keras.models import Modelos.environ["CUDA_VISIBLE_DEV原创 2020-11-11 20:56:22 · 7781 阅读 · 4 评论 -
Keras 大坑解决之:fit_generator 停不下来的问题
场景今天下午用 vgg-16 来训练 mnist 网络:50000 个 sample1 个 epochbatchsize = 64使用 2 个 gpu 1080 ti显卡,跑了一下午就是停不下来了问题呈现看这里该死的 unknown,一眼望不到头,训练了 20多万个 step 就是停不下来原因分析因为使用的 fit_generator 来训练,这本质是一个生成器,所以如果不指定每个 epoch 的训练步数 step 他就会无限循环下去·····,以至于我跑了一下午,精度到了 99原创 2020-10-27 21:40:15 · 1691 阅读 · 3 评论 -
Keras学习之:keras 自带的经典模型加载和使用(vgg-16,resnet,mobilenet,densenet等)
你还在为自己搭建网络结构而烦恼么你还在为自己找不到合适的网络做实验而苦闷么看完这篇文章,给你不一样的新世界1. 模块导入这里以 vgg-16 模块的导入和使用为例,给大家做简单的演示from keras_applications import vgg162. 模型实例化vgg_16 = vgg16.VGG16(input_shape=(224,224,3), weights=None, include_.原创 2020-11-16 15:04:46 · 3801 阅读 · 0 评论 -
Keras学习之:如何使用 fit_generator进行训练,如何创建 generator
文章目录1. 为什么要使用 fit_generator2. 如何创建 generator3. 如何使用 fit_generator4. 完整代码1. 为什么要使用 fit_generator我们都知道我们在进行神经网络训练的时候如果使用 model.fit 的方式训练,那么我们需要把整个 x_train 加载到内存中,而 keras 自带的一些 datasets 又很小,在训练的时候完全可以这么做,所以如果是 keras 的小白,可能觉得 fit 是一个很好用的训练方法,而且也习惯了这种方式。但原创 2020-11-16 11:41:06 · 1568 阅读 · 6 评论 -
Keras学习之:冻结神经网络的特定层,进行训练
文章目录1. 构建神经网络2. 冻结特定层的网络权重3. 冻结与非冻结的效果对比3.1 冻结网络训练的结果3.2 解冻网络训练的结果3.3 结论4. 冻结更多的参数,看是否会降低训练精度5. 冻结整个网络的全部参数,看会出现什么情况1. 构建神经网络这里以简单的 cnn 网络为例注意:由于我在第 2 步中冻结了输出层的参数,为了与其他层进行区分,我在定义网络的时候给输出层起了个名字,“output”,如果不使用网络中的 name 属性对网络命名,那么系统会在 .summary 的时候自动给网络的层分原创 2020-11-13 12:05:45 · 6711 阅读 · 16 评论 -
Keras学习之:如何写多模型神经网络
文章目录1. 单个模型的神经网络2. 包含多个模型的神经网络创建3. 多模型神经网络的训练1. 单个模型的神经网络以 CNN 网络为例def cnn(input_shape,classes): model = Sequential() model.add(Conv2D(input_shape=input_shape,filters=25,kernel_size=(3,3),padding='same',activation='relu')) model.add(MaxPo原创 2020-11-26 22:47:15 · 1196 阅读 · 2 评论 -
Keras学习之:如何使用keras进行神经网络结构的可视化
文章目录安装必要环境建立网络模型将网络结构进行可视化展示安装必要环境pip install pydotpip install graphviz建立网络模型例如使用简单的CNN模型def cnn(input_shape,classes): model = Sequential() model.add(Conv2D(input_shape=input_shape,filters=25,kernel_size=(3,3),padding='same',activation='re原创 2020-11-15 14:38:32 · 940 阅读 · 0 评论 -
Keras学习之:全网最详细,一文包你会!使用 Keras 自带的模型实现迁移学习
文章目录迁移学习是什么,为什么要用迁移学习场景一场景二破局之法:迁移学习迁移学习主要的三种手段Keras 可以使用哪些已经训练好的模型模型选择:Inceptionv3实现步骤导入模块加载数据集调整数据集中图片的尺寸数据增强 / 使用简单的原始数据加载 Keras 中的 Inceptionv3 模型模型删改知识迁移第一种手段:Transfer Learning第三种手段:Fine-tune冻结之后的训练第二种手段迁移学习是什么,为什么要用迁移学习场景一我们在训练模型的时候,拿 CNN 网络来举例,CNN原创 2021-09-07 23:43:29 · 5389 阅读 · 1 评论