摘要：
《python深度学习》笔记 7.3.3、模型集成 一、总结 一句话总结： 【集成是指将一系列不同模型的预测结果汇集到一起，从而得到更好的预测结果】：想要在一项任务上获得最佳结果，另一种强大的技术是模型集成（model ensembling）。集 成是指将一系列不同模型的预测结果汇集到一起，从而得到 阅读全文
摘要：
《python深度学习》笔记 7.3.2、超参数优化 一、总结 一句话总结： 【架构层面的参数叫作超参数】：这些在架构层面的参数叫 作超参数（hyperparameter），以便将其与模型参数区分开来，后者通过反向传播进行训练。 1、神经网络中的 超参数是什么，有哪些？ 应该堆叠多少层？每层应该 包 阅读全文
摘要：
《python深度学习》笔记 7.3.1、高级架构模式 一、总结 一句话总结： 残差连接，标准化和深度可分离卷积 1、标准化？ 【归一化也是标准化】：将数据减去其平均值使其中心为0，然后将数据除以其标准差使其标准 差为 1。实际上，这种做法假设数据服从正态分布（也叫高斯分布），并确保让该分布的中心为 阅读全文
摘要：
《python深度学习》笔记 7.2.2、TensorBoard 来检查并监控深度学习模型 一、总结 一句话总结： 使用TensorFlow 时，TensorBoard 是一种在浏览器中将模型活动可视化的好方法。在 Keras 模型中你可以通过 TensorBoard 回调函数来使用这种方法。 1、 阅读全文
摘要：
《python深度学习》笔记 7.2.1、使用 Keras 回调函数 一、总结 一句话总结： 【在训练过程中的不同时间点都会被模型调用】：回调函数（callback）是在调用 fit 时传入模型的一个对象（即实现特定方法 的类实例），它在训练过程中的不同时间点都会被模型调用。 【中断训练、保存模型、 阅读全文
摘要：
《python深度学习》笔记 7.1、Keras函数式API 一、总结 一句话总结： 【Sequential API功能有限】：如果你需要实现的架构不仅仅是层的线性堆叠，那么不要局限于 Sequential API。 【函数式API用来构建复杂模型】：如何使用Keras 函数式API 来构建多输入模 阅读全文