深度学习之Keras
旧梦如烟
这个作者很懒,什么都没留下…
展开
-
Keras之VGG16识别mnist数据集(迁移VGG16)
from keras.applications.vgg16 import VGG16 #引入vgg16from keras.layers import Conv2D,MaxPooling2D,Flatten,Dropout,Densefrom keras.models import Modelfrom keras.optimizers import SGD #引入...原创 2019-03-14 22:01:30 · 3367 阅读 · 0 评论 -
Keras实现神经网络步骤
from keras.models import Sequential,Modelfrom keras.layers import Dense,Activation,Inputinput = Input(shape=(784,))x1 = Dense(64,activation='relu')(input) #第一根隐含层,以input作为参数x2 = Dense(6...原创 2019-03-12 16:35:12 · 578 阅读 · 0 评论 -
Keras深度学习添加自定义正则项
from keras.models import Modelfrom keras import backend as Kfrom keras.layers import Densedef l1_reg(weights): #自定义正则项 return 0.01 * K.sum(K.abs(weights))model = Model()model....原创 2019-03-12 16:49:51 · 2669 阅读 · 0 评论 -
Keras中的网络层构造
核心层(Core Layer)是构成神经网络最常用的网络层的集合,包括:全连接层、激活层、放弃层、扁平化层、重构层、排列层、向量反复层、Lambda层、激活值正则化层、掩盖层。所有的层都包含一个输入端和一个输出端,中间包含激活函数以及其他相关参数等。(1)全连接层。在神经网络中最常见的网络层就是全连接层,在这个层中实现对神经网络里面的神经元的激活。(2)激活层。激活层是对上一层的输出应用激...原创 2019-03-12 17:15:58 · 1027 阅读 · 0 评论 -
Keras深度学习之卷积层
Conv1D、Conv2D和Conv3D的选项几乎相同。filters:卷积滤子输出的维度,要求整数。 kernel_size:卷积核的空域或时域窗长度。要求是整数或整数的列表,或者是元组。如果是单一整数,则应用于所有适用的维度。 strides:卷积在宽或者高维度的步长。要求是整数或整数的列表,或者是元组。如果是单一整数,则应用于所有适用的维度。如果设定步长不为1,则dilation_r...原创 2019-03-12 17:17:46 · 1173 阅读 · 0 评论 -
Keras实现手写数字识别
import numpy as npfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Conv2D,MaxPooling2D,Dropout,Flatten,Dense(X_train,y_train),(X_test,y_te...原创 2019-03-12 22:47:13 · 703 阅读 · 0 评论 -
用CNN卷积神经网络进行人脸识别
1:对数据的处理class类# -*- coding: utf-8 -*-import osimport sysimport numpy as npimport cv2IMAGE_SIZE = 64#按照指定图像大小调整尺寸def resize_image(image, height = IMAGE_SIZE, width = IMAGE_SIZE): top, bo...原创 2019-03-25 14:28:51 · 6547 阅读 · 2 评论 -
Keras之数据增强
为了尽量利用我们有限的训练数据,我们将通过一系列随机变换对数据进行提升,这样我们的模型将看不到任何两张完全相同的图片,这有利于我们抑制过拟合,使得模型的泛化能力更好。在Keras中,这个步骤可以通过keras.preprocessing.image.ImageDataGenerator来实现,这个类使你可以: 在训练过程中,设置要实行的随机变换 通过.flow或.flo...原创 2019-03-22 19:57:40 · 6912 阅读 · 1 评论 -
Keras图像分类
我们一般用深度学习做图片分类的入门教材都是MNIST或者CIFAR-10,因为数据都是别人准备好的,有的甚至是一个函数就把所有数据都load进来了,所以跑起来都很简单,但是跑完了,好像自己还没掌握图片分类的完整流程,因为他们没有经历数据处理的阶段,所以谈不上走过一遍深度学习的分类实现过程。今天我想给大家分享两个比较贴近实际的分类项目,从数据分析和处理说起,以Keras为工具,彻底掌握图像分类任务。...转载 2019-03-29 12:59:15 · 1083 阅读 · 2 评论