keras学习过程记录
文章平均质量分 72
人山人海边走边爱
菜鸟学员一枚,努力学飞(学废)当中。
展开
-
第三章 -神经网络入门-keras简介
1. 典型的keras工作流程: (1) 定义训练数据:输入张量和目标张量。 (2) 定义层组成的网络(或模型),将输入映射到目标。 (3) 配置学习过程:选择损失函数、优化器和需要监控的指标。 (4) 调用模型的 fit 方法在训练数据上进行迭代。 2.定义模型的方法 定义模型有两种方法:一种是使用 Sequential 类(仅用于层的线性堆叠,这是目前最常见的网络架构),另一种是函数式 API(functional API,用于层组成的有向无环图,让你可以构建任意形式的架构)。 利用 Sequentia原创 2022-03-14 19:03:54 · 261 阅读 · 0 评论 -
keras入门与安装
Keras学习笔记 Keras简介 keras是一个用python编写的高级神经网络API,它能够以TensorFlow、CNTK,或者是Theano作为后端运行 开发重点是支持快速的实验。能够以最小的时延把你的想法转化为实验结果,是做好研究的关键。 优点 用户友好。Keras是为人类而不是为机器设计的APl。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践:它提供一致且简单的API,将常见用例所需的用户操作数量降至最低,并且在用户错误时提供清晰和可操作的反馈。 高度模块化 模型被理解原创 2022-02-27 19:06:04 · 4996 阅读 · 0 评论 -
lession 5 - 逻辑回归,softmax多分类与交叉熵
1. 什么是逻辑回归? 线性回归预测的是一个连续值,逻辑回归给出“是”与“否”的回答 2. 如何把连续分布的值映射成是与否的回答呢? 需要我们用到一个Sigmoid函数 x的取值范围为(-∞,+∞),y的取值范围为(0,1),sigmoid函数可以把任意的x值映射成从(0,1)的概率值,我们可以认为从(0,1)之间是一个概率值,例如0.5,就是概率为50%,如果是0.9,我们可以认为结果的概率为90%,可以回答是。 逻辑回归解决的是分类问题。 为什么我们使用sigmoid函数能够把它变成一个分类问题呢?原创 2022-02-27 16:08:47 · 686 阅读 · 0 评论 -
keras实现线性回归模型
机器学习基础与线性回归方程 笼统的定义: 机器学习研究如何让计算机不需要明确的程序也能具备学习能力。 什么是机器学习? 系统用来学习的这些示例,我们称之为训练集。每一个训练示例称为训练实例或者是训练样本。 在本例中,任务就是给新邮件标记垃圾邮件,经验则是训练数据,那么衡量性能表现的指标则需要我们来定义,例如,我们可以使用被正确分类的邮件的比率来衡量。这个特殊的性能衡量标准称为精度,经常用于衡量分类任务。 使用Keras实现一个简单地线性回归 单变量现行回归算法(比如,x代表学历,f(x)代表收入) f(x)原创 2022-02-27 13:34:28 · 1499 阅读 · 0 评论 -
【无标题】
Keras学习笔记 Keras简介 keras是一个用python编写的高级神经网络API,它能够以TensorFlow、CNTK,或者是Theano作为后端运行 开发重点是支持快速的实验。能够以最小的时延把你的想法转化为实验结果,是做好研究的关键。 优点 用户友好。Keras是为人类而不是为机器设计的APl。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践:它提供一致且简单的API,将常见用例所需的用户操作数量降至最低,并且在用户错误时提供清晰和可操作的反馈。 高度模块化 模型被理解原创 2022-02-24 20:34:09 · 675 阅读 · 0 评论