wzw12315的专栏

深度学习模型处理多标签（multi_label）分类任务——keras实战https://zhuanlan.zhihu.com/p/107737824

import numpy as npimport kerasimport tensorflow as tffrom keras.layers import Input,Densefrom keras.models import Model# 如果使用GPU版TensorFlow,并且在显卡高占用率的情况下训练模型，# 那要在初始化Session时为其分配固定数量的显存,否则可能...

from keras.models import Sequentialfrom keras.layers import Denseimport numpy as np# 该数据集最初来自国家糖尿病/消化/肾脏疾病研究所。数据集的目标是基于数据集中包含的某些诊断测量来诊断性的预测 患者是否患有糖尿病。# 从较大的数据库中选择这些实例有几个约束条件。尤其是，这里的所有患者都是Pima印第安...

在keras中，模型评估可以分为自动评估模型和手动评估模型自动评估模型 自动在每一次epoch中将数据分割为训练集和验证集，并在每一次epoch后进行验证from keras.models import Sequentialfrom keras.layers import Denseimport numpy as np# 设定随机数种子np.random.seed(7...

1、ZCA白化from keras.datasets import mnistfrom keras.preprocessing.image import ImageDataGeneratorfrom matplotlib import pyplot as pltfrom keras import backendbackend.set_image_data_format('c...

1、大型卷积神经网络import numpy as npfrom keras.datasets import cifar10from keras.models import Sequentialfrom keras.layers import Densefrom keras.layers import Dropoutfrom keras.layers import Flatten...

keras中，对模型进行序列化的时候，模型权重通常保存在hdf5文件，模型的结构可以保存为json或者yaml文件。1、json模型结构from sklearn import datasetsimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Densefrom kera...

1、dropoutfrom sklearn import datasetsimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Dropoutfrom keras.layers import Densefrom keras.constraints import maxnormfr...

# _*_ coding: utf-8 _*_# Classifier mnistimport numpy as npnp.random.seed(1337)from keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.la...

# 使用VGG16模型from keras.applications.vgg16 import VGG16print('Start build VGG16 -------')# 获取vgg16的卷积部分，如果要获取整个vgg16网络需要设置:include_top=Truemodel_vgg16_conv = VGG16(weights='imagenet', include_top=...

1、使用多层感知机进行实现from keras.datasets import mnistfrom matplotlib import pyplot as pltimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.utils import np_u...

from keras.layers import Input,Conv2D,MaxPooling2Dimport keras#输入input_img=Input(shape=(256,256,3))#第一路tower_1=Conv2D(64,(1,1),padding='same',activation='relu')(input_img)tower_1=Conv2D(64,(3...

import numpy as npimport kerasimport tensorflow as tffrom keras.layers import Input,Densefrom keras.models import Model# 如果使用GPU版TensorFlow,并且在显卡高占用率的情况下训练模型，# 那要在初始化Session时为其分配固定数量的显存,否则可能...

from keras import backend as Kfrom keras.models import load_modelfrom matplotlib import pyplot as pltimport cv2import numpy as npfrom keras_retinanet import modelsimport mathdef main(): #...

import numpy as npimport kerasfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Flattenfrom keras.layers import Conv2D,MaxPool2Dfrom keras.optimizers import SGD#生成虚拟数据...

import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense,Dropoutimport tensorflow as tfimport keras# 如果使用GPU版TensorFlow,并且在显卡高占用率的情况下训练模型，# 那要在初始化Session时为其分配固定数量的显存...

import kerasfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Activationfrom keras.optimizers import SGDimport tensorflow as tfimport numpy as np# 如果使用GPU版TensorFlow,...

from keras.models import Sequentialfrom keras.layers import Denseimport kerasmodel = Sequential()#创建一个3层的神经网络，# 第一层为输入层100维，# 第二层为64个神经节点，使用relu激活函数，# 第三层为输出层10个节点，使用softmax激活函数model.add...

import numpy as npnp.random.seed(1337) from keras.models import Sequential from keras.layers import Denseimport matplotlib.pyplot as plt# 创建数据集 #在[-1,1]的区间内等间隔创建200个样本数X = np.linspace(-1, 1,...

import kerasfrom keras.datasets import mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()from keras import modelsfrom keras import layersfrom keras.utils import to_categorical...