![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Keras
jingqiulyue
迭代升级中
展开
-
Keras FAQ: 常见问题解答
1.如何保存 Keras 模型? 不建议使用 pickle 或 cPickle 来保存 Keras 模型。 保存/加载整个模型(结构 + 权重 + 优化器状态)from keras.models import load_modelmodel.save('my_model.h5') # 创建 HDF5 文件 'my_model.h5'del model # 删除现有模型# ...原创 2018-04-07 14:55:01 · 1795 阅读 · 0 评论 -
keras-yolov3
https://github.com/qqwweee/keras-yolo3 Quick Start:wget https://pjreddie.com/media/files/yolov3.weightspython convert.py yolov3.cfg yolov3.weights model_data/yolo.h5python yolo.pyorpyth...原创 2018-05-11 19:56:17 · 5271 阅读 · 5 评论 -
Keras 函数式 API
例一:全连接网络from keras.layers import Input, Densefrom keras.models import Model# 这部分返回一个张量inputs = Input(shape=(784,))# 层的实例是可调用的,它以张量为参数,并且返回一个张量x = Dense(64, activation='relu')(inputs)x = De...原创 2018-04-07 10:55:23 · 1719 阅读 · 0 评论 -
Sequential 模型
模型构建: 方法一:#将层的列表传递给 Sequential 的构造函数,来创建一个 Sequential 模型from keras.models import Sequentialfrom keras.layers import Dense, Activationmodel = Sequential([ Dense(32, input_shape=(784,)), ...原创 2018-04-07 09:34:16 · 2378 阅读 · 0 评论 -
Keras中如何使用预训练的模型进行特征提取或微调--以图片分类为例
推荐:https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html Building powerful image classification models using very little data原创 2018-04-15 09:13:34 · 8292 阅读 · 0 评论 -
Keras -- Embedding
keras.layers.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)...原创 2018-04-08 09:58:52 · 608 阅读 · 0 评论 -
Keras--局部连接层
LocallyConnected1D LocallyConnected1D 层与 Conv1D 层的工作方式相同,除了权值不共享外, 也就是说,在输入的每个不同部分应用不同的一组过滤器。keras.layers.LocallyConnected1D(filters, kernel_size, strides=1, padding='valid', data_format=None, ac...原创 2018-04-08 08:36:07 · 2977 阅读 · 0 评论 -
Keras--池化层
MaxPooling1D# keras.layers.MaxPooling1D(pool_size=2, strides=None, padding='valid') #缩小比例的因数# strides如果是 None,那么默认值是 pool_size。MaxPooling2D 对于空域数据的最大池化。keras.layers.MaxPooling2D(pool_size=(...原创 2018-04-07 21:33:51 · 4165 阅读 · 0 评论 -
Keras--卷积层
关于卷积层,包括: Conv1D, Conv2D, SeparableConv2D, Conv2DTranspose, Conv3D, Cropping1D, Cropping2D, Cropping3D, UpSampling1D, UpSampling2D, UpSampleing3D, ZeroPadding1D, ZeroPadding2D, ZeroPadding3D....原创 2018-04-07 21:16:23 · 3530 阅读 · 0 评论 -
Keras--核心网络层
Keras的核心网络层有Dense、Activation、Dropout、Flatten、Input、Reshape、Permute、RepeatVector、Lambda、ActivityRegularization,Masking。Dense 就是普通的全连接层。keras.layers.Dense(units, activation=None, use_bias=T...原创 2018-04-07 20:06:33 · 486 阅读 · 0 评论 -
Keras层的共同函数
关于Keras层: 所有Keras层都有很多共同的函数:layer.get_weights(): # 以Numpy矩阵的形式返回层的权重。layer.set_weights(weights): # 从Numpy矩阵中设置层的权重(与get_weights的输出形状相同)。layer.get_config(): # 返回包含层配置的字典。图层的重置:layer = Den...原创 2018-04-07 16:26:51 · 956 阅读 · 0 评论 -
Keras模型--Sequential model
关于Keras模型: Keras有两类模型:Sequential 顺序模型 和 使用函数式 API 的 Model 类模型。 两大模型的共同方法:model.summary(): 打印出模型概述信息。 model.get_config(): 返回包含模型配置信息的字典。model.get_weights(): 返回模型权重的张量列表,类型为 Numpy array。model.set...原创 2018-04-07 15:45:58 · 900 阅读 · 0 评论 -
hyperas超参数搜索
from __future__ import print_functionimport numpy as npfrom hyperopt import Trials, STATUS_OK, tpefrom keras.datasets import mnistfrom keras.layers.core import Dense, Dropout, Activationfrom ker...原创 2019-08-14 20:06:36 · 815 阅读 · 0 评论