tensorflow深度keras
《动手学深度学习 Pytorch版》 8.1 序列模型
到目前为止，我们遇到的数据主要是表格数据和图像数据，并且所有样本都是独立同分布的。然而，大多数的数据并非如此。比如语句中的单词、视频中的帧以及音频信号，都是有顺序的。 简言之，如果说卷积神经网络可以有效地处理空间信息，那么本章的循环神经网络（recurrent neural network，RNN） ......
深度学习算法原理实现——自写神经网络和训练模型
代码来自：https://weread.qq.com/web/reader/33f32c90813ab71c6g018fffkd3d322001ad3d9446802347 《python深度学习》 from tensorflow.keras.datasets import mnist from t ......
深度学习---目标检测网络YoloX
一、网络介绍 YoloX由旷视科技开源，以YoloV3(Darknet53作为backbone)作为基线，最大的区别在于 Decoupled Head，Data Aug，Anchor Free 和样本匹配（SimOTA）这几个方面，另外还提供了完善的代码，并很贴心的提供了部署脚本，真的很友好了。 P ......
Keras Dense
Dense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 ......
Keras.layers各种层介绍
本文章向大家介绍Keras（七）Keras.layers各种层介绍，主要包括Keras（七）Keras.layers各种层介绍使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。 一、网络层 keras的层主要包括： 常用层（Core）、卷积层（Convol ......
keras.layers.Input()输入层解析
Input()参数解析 layers.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs,)Returns: A tensor. 参数 ......
tf.keras.backend.int_shape 函数
tf.keras.backend.int_shape函数 tf.keras.backend.int_shape(x) 定义在：tensorflow/python/keras/backend.py。 返回张量或变量的shape，作为int或None条目的元组。 参数： x：张量或变量。 返回： 整数元 ......
Keras GlobalAveragePooling2D 空间数据的全局平均池化操作
空间数据的全局平均池化操作。 一张图片通过卷积核提取特征，有几个卷积核就有几个特征。一张图片需要经过几次卷积，每次卷积时卷积核的个数都按2的n次方增加。第一次卷积, 卷积核2个, 得2张图，池化压缩长宽；第二次卷积, 卷积核4个, 得4张图，池化压缩长宽；因为卷积次数有限，池化大小默认(2，2)，因 ......
Keras Multiply
Keras Multiply Multiply 层的函数接口。 该层接收一个列表的同shape张量，并返回它们的逐元素积的张量，shape不变。 用法 tf.keras.layers.multiply( inputs, **kwargs ) 参数 inputs 输入张量列表(至少 2 个)。 **k ......
Keras Adam
keras.optimizers.Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False) learning_rate: float >= 0. 学习率。 beta_1: f ......
Keras Flatten
Keras Flatten 作用：Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。例子： from keras.models import Sequential from keras.layers.core import ......
Keras Dropout
一、Keras 中使用 Dropout 正则化减少过度拟合Dropout正则化是最简单的神经网络正则化方法。其原理非常简单粗暴：任意丢弃神经网络层中的输入，该层可以是数据样本中的输入变量或来自先前层的激活。它能够模拟具有大量不同网络结构的神经网络，并且反过来使网络中的节点更具有鲁棒性。阅读完本文，你 ......
Keras Model 和 Sequential
Keras Model https://cloud.tencent.com/developer/article/2162930 Keras 模型 Keras提供的模型，其中分为两类： Sequential 顺序模型 Model 类模型 我们可以通过 from keras.models import ......
Keras MaxPooling2D
Keras MaxPooling2D 2D最大池化层 keras.layers.MaxPooling2D(pool_size=(2, 2), strides=None, padding='valid', data_format=None)参数详解 pool_size: 池化窗口大小 strides: ......
keras.layers. K.function 用法(keras提取中间层的输出)
https://www.laike.net/article-11-295083-0.html 使用K.function()调试keras操作 Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端。无论是Theano还是TensorFlow，都需要提前定义好网络的结 ......
深度学习入门书籍
统计学习方法（第2版） 9.4 https://book.douban.com/subject/33437381/ 作者: 李航 出版社: 清华大学出版社 出版年: 2019-5-1 页数: 464 定价: 98.00元 装帧: 平装 ISBN: 9787302517276 深度学习入门 https ......
时序预测的深度学习算法全面盘点
时序预测的深度学习算法全面盘点 https://blog.csdn.net/qq_34160248/article/details/131349551 https://it.sohu.com/a/690057464_121124360 https://zhuanlan.zhihu.com/p/393 ......
基于深度学习的图像生成与识别技术研究
基于深度学习的图像生成与识别技术是人工智能领域中备受关注的研究领域之一。这些技术借助深度神经网络模型，具有出色的性能和广泛的应用，包括图像生成、图像识别、图像分割等。以下是关于这两个领域的研究方向和趋势： 图像生成技术 生成对抗网络 (GANs)：GANs 是生成图像最引人注目的技术之一。它包括一个 ......
tensorflow v1 v2 v3 函数对照表
v1 v2 v3 tf.train.GradientDescentOptimizer tf.keras.optimizers.experimental.SGD ......
解决tansorflow新手教程的keras.datasets数据下载问题
portal > https://github.com/tensorflow/tensorflow/issues/33285 ......
Redis深度历险
Redis深度历险 读书笔记 1 第一篇 基础与应用篇 1.1 Redis的用途 记录帖子的点赞数、评论数和点击数 (hash)。 记录用户的帖子 ID 列表 (排序)，便于快速显示用户的帖子列表 (zset)。 记录帖子的标题、摘要、作者和封面信息，用于列表页展示 (hash)。 记录帖子的点赞用 ......
深度学习中对多个目标标签进行训练和预测代码实例
#Tensofrlow #假设我们有一个任务是从图像中预测物体的位置（x坐标和y坐标）和物体的类别。这个任务有三个目标标签：x坐标、y坐标和类别。 import numpy as np import tensorflow as tf from tensorflow import keras from ......
深度学习梯度与反向传播
梯度与反向传播 1、梯度(方向向量) 1.1 什么是梯度 梯度：是一个向量，导数+变化最快的方向(学习的前进方向) 目标：通过梯度调整(学习)参数$$w$$,尽可能的降低$$loss$$ 一般的，随机初始一个$$w0$$,通过优化器在学习率和梯度的调整下，让$$loss$$函数取到最小值。 1.2 ......
【研究生学习】深度学习中几种常用的卷积形式的原理以及其Pytorch调用
本篇博客主要记录一下在深度学习中几种常用的卷积形式的基本原理、输入输出维度，以及如何在Pytorch中调用这些卷积形式 卷积 卷积实际上是对图像的不同区域进行特征提取，一般认为输入图像的维度为H×W×C，如下图所示： 图像具有颜色通道，一般是RGB，需要理解的是不同通道数的图像和不同的通道数的滤波器 ......
嵌入式深度学习1-引言
嵌入式深度学习引论 博主序 这一系列博客，是以Bert Moons的《Embedded Deep Learning》为蓝本进行翻译得到的。考虑到中文互联网上资源较少，才决定写成公开博客发布至互联网的。 此系列博客选择性地做了一些翻译和梳理的工作。书中涉及的部分实例可能不会被摘录，过于基础的内容也会被 ......
Pytorch环境深度学习环境
Pytorch环境深度学习环境 1、安装minicoda 下载地址：Miniconda — miniconda documentation 设置环境变量： 安装路径\Miniconda3 安装路径\Miniconda3\Scripts 安装路径\Miniconda3\Library\bin 测试：打 ......
动手学深度学习_4 多层感知机
from pixiv 多层感知机原理 隐藏层 严格一点来讲：我们需要隐藏层是因为线性是一个很强的假设，线性模型在有些情况会不适用或者出错。 一个形象的例子： 就如同上面图片中展示的XOR问题,如果我们现在想要将绿和红球分开，如果只用一条"线性"，我们会发现我们是做不到的，起码要两条及以上的"线性" ......
Go结构体深度探索：从基础到应用
在Go语言中，结构体是核心的数据组织工具，提供了灵活的手段来处理复杂数据。本文深入探讨了结构体的定义、类型、字面量表示和使用方法，旨在为读者呈现Go结构体的全面视角。通过结构体，开发者可以实现更加模块化、高效的代码设计。这篇文章旨在为您提供关于结构体的深入理解，助您更好地利用Go语言的强大功能。 关 ......
深度学习在图像识别领域还有哪些应用？
深度学习在图像识别领域的应用非常广泛，除了之前提到的图像分类、目标检测、语义分割和图像生成，还有其他一些应用。 图像超分辨率重建：深度学习技术可以用于提高图像的分辨率，例如通过使用生成对抗网络（GAN）和变分自编码器（VAE）等技术，可以将低分辨率的图像转换为高分辨率的图像，从而提高了图像的清晰度和 ......