![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
keras
zhuzuwei
这个作者很懒,什么都没留下…
展开
-
Keras学习笔记一:常用层keras.layers.core部分函数
1. Dense层:就是常用的全连接层,所实现的运算是output = activation(dot(input, kernel)+bias)。其中activation是逐元素计算的激活函数,kernel是本层的权值矩阵,bias为偏置向量,只有当use_bias=True才会添加。如果本层的输入数据的维度大于2,则会先被压为与kernel相匹配的大小。keras.layers.core.原创 2017-11-28 10:11:08 · 9033 阅读 · 1 评论 -
Keras学习笔记二:卷积神经网络相关层
一、卷积层1. conv2D层:keras.layers.convolutional.Conv2D(filters, kernel_size, strides=(1,1), padding='valid', data_format=None, dilation_rate=(1,1),activation=None, use_bias=True, kernel_initial原创 2017-11-28 11:00:08 · 5631 阅读 · 1 评论 -
Keras学习笔记三:BatchNormalization层和融合层(Merge层)
1. BatchNormalization层:该层在每个batch上将前一层的激活值重新规范化,即使得其输出数据的均值接近0,其标准差接近1keras.layers.normalization.BatchNormalization(axis=-1, momentum=0.99, epsilon=0.001,center=True, scale=True, beta_initia原创 2017-11-28 11:28:10 · 32470 阅读 · 4 评论 -
Keras学习笔记四:序贯模型(Sequential)
一、Keras有两种类型的模型,序贯模型(Sequential)和函数式模型(Model),函数式模型应用更为广泛,序贯模型是函数式模型的一种特殊情况。两类模型有一些方法是相同的:· model.summary():打印出模型概况,它实际调用的是keras.utils.print_summary· model.get_config():返回包含模型配置信息的原创 2018-01-06 21:38:35 · 15135 阅读 · 1 评论 -
tensorflow和Keras 实现kaggle手写识别Digit Recognizer(三)卷积神经网络
继续Kaggle手写识别的改进使用Keras能简化代码和提升效率,Keras的序贯模型参考我的另一篇文章 Keras学习笔记四:序贯模型(Sequential)。一、 使用的模型是三个卷积层+2个全连接层二、使用np_utils.to_categorical()函数将标签进行one-hot编码。三、 在训练模型即运行fit()函数之前必须要先compile编译模型,否则会出错,原作转载 2018-01-07 08:41:20 · 941 阅读 · 0 评论