starter_____的博客

序贯模型序贯模型是多个网络层的线性堆叠，是函数式模型的简略版，为最简单的线性、从头到尾的结构顺序，不发生分叉。1、应用序贯模型的基本步骤model.add，添加层；model.compile,模型训练的BP模式设置；model.fit，模型训练参数设置 + 训练；模型评估模型预测2、创建1、可以通过向Sequential模型传递一个layer的list来构造该模...

变量初始化及函数定义batch_size = 100original_dim = 784latent_dim = 2intermediate_dim = 256nb_epoch = 50epsilon_std = 1.0(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train = x_train.astyp...

一、变量初始化# 对于每个滤波器，生成图像的维度img_width = 128img_height = 128# 我们想去可视化层的名字# (看模型定义在 keras/applications/vgg16.py)layer_name = 'block5_conv1'二、将张量转换为有效图像def deprocess_image(x): # 对张量进行规范...

一、写一个LossHistory类，保存loss（err）和acc（score）并创建实例class LossHistory(keras.callbacks.Callback): def on_train_begin(self, logs={}): self.losses = {'batch': [], 'epoch': []} self.accur...

一、变量初始化batch_size = 128nb_classes = 10nb_epoch = 20二、准备数据(X_train, y_train), (X_test, y_test) = mnist.load_data()#将3D转化为2DX_train = X_train.reshape(60000, 784)X_test = X_test.reshape(...

一、ImageDataGeneratordef image_preprocess(): # 　训练集的图片生成器，通过参数的设置进行数据扩增 train_datagen = ImageDataGenerator( preprocessing_function=preprocess_input, rotation_range=30, ...

一、加载并显示图片img_path = 'elephant.jpg'img = image.load_img(img_path, target_size=(224, 224))plt.imshow(img)plt.show()二、图片预处理#将图片转成numpy arrayx = image.img_to_array(img)#扩展维度,因为preproces...

该程序演示将一个预训练好的模型在新数据集上重新fine-tuning的过程。我们冻结卷积层，只调整全连接层。在MNIST数据集上使用前五个数字[0…4]训练一个卷积网络。在后五个数字[5…9]用卷积网络做分类，冻结卷积层并且微调全连接层一、变量初始化now = datetime.datetime.nowbatch_size = 128nb_classes = 5n...