腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

深度应用

专栏作者

242

文章

470329

阅读量

35

订阅数

『开发技巧』Keras自定义对象（层、评价函数与损失）

对于简单、无状态的自定义操作，你也许可以通过 layers.core.Lambda 层来实现。但是对于那些包含了可训练权重的自定义层，你应该自己实现这种层。

2022-03-07

1.1K0

『开发』网页端展示深度学习模型|Gradio上手教程

Gradio需要Python 3。一旦你有Python，你可以下载gradio使用pip 的最新版本，如下所示：

2022-03-07

6.4K0

『TensorFlow2.0正式版』TF2.0+Keras速成教程·零：开篇简介与环境准备

tensorflow keras 深度学习 python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

2019-10-22

1.6K0

[开发技巧]·安卓手机开发深度学习简易教程（基于Keras）

深度学习 keras python android

本教程基于安卓手机平台，在PyDroid3软件上，使用Python3语言配合Keras框架开发深度学习。本文章主要涉及在手机上开发环境的搭建，以及简单的示例代码，如果想深入研究开发，还需要读者自己花些功夫了。不废话，开始教程。。

2019-06-27

8590

[开发技巧]·深度学习使用生成器加速数据读取与训练简明教程（TensorFlow，pytorch，keras）

keras 深度学习 tensorflow pytorch 编程算法

在深度学习里面有句名言，数据决定深度应用效果的上限，而网络模型与算法的功能是不断逼近这个上限。由此也可以看出数据的重要程度。

2019-06-27

9240

[深度应用]·Keras实现Self-Attention文本分类（机器如何读懂人心）

笔者在[深度概念]·Attention机制概念学习笔记博文中，讲解了Attention机制的概念与技术细节，本篇内容配合讲解，使用Keras实现Self-Attention文本分类，来让大家更加深入理解Attention机制。

2019-06-27

2.4K0

[开发技巧]·安卓手机开发深度学习极简教程（基于Keras）

深度学习 android keras python

本教程基于安卓手机平台，在PyDroid3软件上，使用Python3语言配合Keras框架开发深度学习。本文章主要涉及在手机上开发环境的搭建，以及简单的示例代码，如果想深入研究开发，还需要读者自己花些功夫了。不废话，开始教程。。

2019-06-27

1.4K0

[Keras填坑之旅]·图片分类中是否使用img_to_array的影响

在使用keras进行图片分类的任务，笔者最开始的方法是使用opencv库cv2.imread读取照片，再使用cv2.resize重设尺寸。在和别人的代码进行训练对比发现代码类似结果却差异很大。别人的val_acc可以高出笔者几个百分点。对比发现别人的代码里多了一步：

2019-06-27

1.8K0

[深度应用]·Keras极简实现Attention结构

这里让x[:, attention_column] = y[:, 0]，X数据的第一列等于Y数据第零列（其实就是label），这样第一列数据和label的相关度就会很大，最后通过输出相关度来证明思路正确性。

2019-06-27

1.3K0

[开发技巧]·TensorFlow&Keras GPU使用技巧

keras tensorflow 分布式

使用TensorFlow&Keras通过GPU进行加速训练时，有时在训练一个任务的时候需要去测试结果，或者是需要并行训练数据的时候就会显示OOM显存容量不足的错误。以下简称在训练一个任务的时候需要去测试结果，或者是需要并行训练数据为进行新的运算任务。

2019-06-27

1.4K0

[知乎作答]·关于在Keras中多标签分类器训练准确率问题

机器学习神经网络深度学习人工智能 keras

本文来自知乎问题关于在CNN中文本预测sigmoid分类器训练准确率的问题？中笔者的作答，来作为Keras中多标签分类器的使用解析教程。

2019-06-27

2K0

[开发技巧]·keras如何冻结网络层

在keras中除了从model.layers取得layer，我们还可以通过model.get_layer(layer_name)获取。

2019-06-27

1.8K0

[Keras实战教程]·使用Transfromer模型做文本分类（NLP分类最佳模型）

python keras github git 开源

谷歌大脑在论文《Attention Is All You Need》中提出了一个完全基于注意力机制的编解码器模型 Transformer ，它完全抛弃了之前其它模型引入注意力机制后仍然保留的循环与卷积结构，然后在任务表现、并行能力和易于训练性方面都有大幅的提高。Transformer 从此也成为了机器翻译和其它许多文本理解任务中的重要基准模型。

2019-06-27

1.3K0

[Keras深度学习浅尝]实战二·CNN实现Fashion MNIST 数据集分类

keras 深度学习机器学习神经网络人工智能

与我们上篇博文[Keras深度学习浅尝]实战一结构相同，修改的地方有，定义网络与模型训练两部分，可以对比着来看。通过使用CNN结构，预测准确率略有提升，可以通过修改超参数以获得更优结果。代码部分

2019-06-27

1.1K0

[Keras深度学习浅尝]实战三·RNN实现Fashion MNIST 数据集分类

keras 深度学习机器学习神经网络人工智能

与我们上篇博文[Keras深度学习浅尝]实战一结构相同，修改的地方有，定义网络与模型训练两部分，可以对比着来看。通过使用RNN结构，预测准确率略有提升，可以通过修改超参数以获得更优结果。代码部分

2019-06-27

9550

[Keras深度学习浅尝]实战一·DNN实现Fashion MNIST 数据集分类

深度学习 keras

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。

2019-06-27

1.1K0

[Keras深度学习浅尝]实战四· Embedding实现 IMDB数据集影评文本分类

网络模型的介绍： 1，输入网络的形状为（-1，256） 2，Embedding后为（-1，256，16）网络参数为（10000，16） 3，GlobalAveragePooling1D后为（-1，16）详细介绍见此 4，Dense1后（-1，16）网络参数为w:1616 + b:116 共计272 4，Dense2后（-1，1）网络参数为w:161 + b:11 共计17个参数

2019-06-27

1.2K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态