关注
分享
《Python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，书中包含30多个代码示例，步骤讲解详细透彻。读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。
小小谢先生
拿过大厂、银行、国企、事业单位、研究所等公司offer。
致力于信创产业，人工智能布道者
展开
-
把数据或是numpy数据转换为keras张量
当用keras框架时，如果输入不是tensor张量，输入模型训练就会报错，提示输入数据得是张量才可以。下面是解决的方案之一：直接运用keras的Input原创 2021-06-16 11:56:29 · 2548 阅读 · 1 评论 -
从零开始学keras之使用预训练的卷积神经网络
想要将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络。 预训练网络（pretrained network）是一个保存好的网络，之前已在大型数据集（通常是大规模图像分类任务）上训练好。如果这个原始数据集足够大且足够通用，那么预训练网络学到的特征的空间层次结构可以有效地作为视觉世界的通用模型，因此这些特征可用于各种不同的计算机视觉问题，即使这些新问题涉及的类别和原始任务完全不同...原创 2020-01-18 18:56:25 · 3553 阅读 · 2 评论 -
从零开始学keras之kaggle猫狗识别分类器
使用很少的数据来训练一个图像分类模型，这是很常见的情况，如果你要从事计算机视觉方面的职业，很可能会在实践中遇到这种情况。“很少的”样本可能是几百张图像，也可能是几万张图像。来看一个实例，我们将重点讨论猫狗图像分类，数据集中包含 4000 张猫和狗的图像（2000 张猫的图像，2000 张狗的图像）。我们将 2000 张图像用于训练，1000 张用于验证，1000张用于测试。本节将介绍解决这一问题的...原创 2020-01-17 18:36:40 · 6806 阅读 · 0 评论 -
从零开始学keras之神经网络的数学表示
一、初识神经网络我们来看一个具体的神经网络示例，使用 Python 的 Keras 库来学习手写数字分类。如果你 没用过 Keras 或类似的库，可能无法立刻搞懂这个例子中的全部内容。甚至你可能还没有安装 Keras。没关系，下一章会详细解释这个例子中的每个步骤。因此，如果其中某些步骤看起来有 些随意，或者像魔法一样，也请你不要担心。下面我们要开始了。我们这里要解决的问题是，将手写数字的灰...原创 2019-12-17 16:23:40 · 835 阅读 · 0 评论 -
从零开始学keras之电影二分类
二分类问题可能是应用最广泛的机器学习问题。在这个例子中，你将学习根据电影评论的文字内容将其划分为正面或负面。本博客使用 IMDB 数据集，它包含来自互联网电影数据库（IMDB）的 50 000 条严重两极分化的评论。数据集被分为用于训练的 25 000 条评论与用于测试的 25 000 条评论，训练集和测试集都包含 50% 的正面评论和 50% 的负面评论。为什么要将训练集和测试集分开？...原创 2020-01-05 19:35:39 · 1309 阅读 · 0 评论 -
从零开始学keras之多分类问题
本节你会构建一个网络，将路透社新闻划分为 46 个互斥的主题。因为有多个类别，所以这是多分类（multiclass classification）问题的一个例子。因为每个数据点只能划分到一个类别，所以更具体地说，这是单标签、多分类（single-label, multiclass classification）问题的一个例子。如果每个数据点可以划分到多个类别（主题），那它就是一个多标签、多分类（m...原创 2020-01-06 18:42:29 · 4017 阅读 · 0 评论 -
从零开始学keras之预测房价
前面讲的都是分类问题，其目标是预测输入数据点所对应的单一离散的标签。另一种常见的机器学习问题是回归问题，它预测一个连续值而不是离散的标签，例如，根据气象数据预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间。注意：不要将回归问题与 logistic 回归算法混为一谈。令人困惑的是，logistic 回归不是回归算法，而是分类算法。波士顿房价预测本节将要预测 20 世纪 70...原创 2020-01-09 19:00:48 · 1170 阅读 · 0 评论 -
从零开始学keras之使用 LSTM 生成文本
下面用 Keras 来实现这些想法。首先需要可用于学习语言模型的大量文本数据。我们可以使用任意足够大的一个或多个文本文件——维基百科、《指环王》等。本例将使用尼采的一些作品，他是 19 世纪末期的德国哲学家，这些作品已经被翻译成英文。因此，我们要学习的语言模型将是针对于尼采的写作风格和主题的模型，而不是关于英语的通用模型。首先下载语料，并将其转换为小写。import kerasimpo...原创 2019-12-17 17:27:42 · 1225 阅读 · 0 评论 -
从零开始学keras之过拟合与欠拟合
在预测电影评论、主题分类和房价回归中，模型在留出验证数据上的性能总是在几轮后达到最高点，然后开始下降。也就是说，模型很快就在训练数据上开始过拟合。过拟合存在于所有机器学习问题中。学会如何处理过拟合对掌握机器学习至关重要。机器学习的根本问题是优化和泛化之间的对立。优化（optimization）是指调节模型以在训练数据上得到最佳性能（即机器学习中的学习），而泛化（generalization）是...原创 2020-01-11 20:32:05 · 1706 阅读 · 0 评论 -
从零开始学keras之卷积神经网络介绍
卷积神经网络简介我们将深入讲解卷积神经网络的原理，以及它在计算机视觉任务上为什么如此成功。但在此之前，我们先来看一个简单的卷积神经网络示例，即使用卷积神经网络对 MNIST 数字进行分类，这个任务我们在第 2 章用密集连接网络做过（当时的测试精度为 97.8%）。虽然本例中的卷积神经网络很简单，但其精度肯定会超过第 2 章的密集连接网络。下列代码将会展示一个简单的卷积神经网络。它是Con...原创 2020-01-16 19:01:48 · 851 阅读 · 0 评论 -
《从零开始学keras之神经风格迁移
神经风格迁移由 Leon Gatys 等人于 2015 年夏天提出。自首次提出以来，神经风格迁移算法已经做了许多改进，并衍生出许多变体，而且还成功转化成许多智能手机图片应用。神经风格迁移是指将参考图像的风格应用于目标图像，同时保留目标图像的内容。在当前语境下，风格（style）是指图像中不同空间尺度的纹理、颜色和视觉图案，内容（content）是指图像的高级宏观结构。举个例子，在图 8...原创 2019-12-18 16:38:03 · 997 阅读 · 0 评论 -
从零开始学keras之变分自编码器生成图像
自编码器由 Kingma 和 Welling 于 2013 年 12 月 a 与 Rezende、Mohamed 和 Wierstra 于 2014 年 1 月 同时发现，它是一种生成式模型，特别适用于利用概念向量进行图像编辑的任务。它是 一种现代化的自编码器，将深度学习的想法与贝叶斯推断结合在一起。自编码器是一种网络类型， 其目的是将输入编码到低维潜在空间，然后再解码回来。经典的图像自编码器...原创 2019-12-18 19:43:30 · 1743 阅读 · 0 评论 -
从零开始学keras之生成对抗网络GAN
生成对抗网络主要分为生成器网络和判别器网络。生成器网络：他以一个随机向量（潜在空间的一个随机点）作为输入，并将其解码成一张合成图像。 判别器网络：以一张图像（真实的或合成的均可）作为输入，并预测该图像是来自训练集还是生成器网络创建。本节将会介绍如何用 Keras 来实现形式最简单的 GAN。GAN 属于高级应用，所以本书不会深入介绍其技术细节。我们具体实现的是一个深度卷积生成式对抗网络（D...原创 2019-12-18 20:51:09 · 1534 阅读 · 0 评论