摘要： 这里需要说明一下，笔者不建议在Windows环境下进行深度学习的研究，一方面是因为Windows所对应的框架搭建的依赖过多，社区设定不完全；另一方面，Linux系统下对显卡支持、内存释放以及存储空间调整等硬件功能支持较好。如果您对Linux环境感到陌生，并且大多数开发环境在Windows下更方便操作的话，希望这篇文章对您会有帮助。 阅读全文

摘要： 推荐配置 如果您是高校学生或者高级研究人员，并且实验室或者个人资金充沛，建议您采用如下配置： 主板：X299型号或Z270型号 CPU: i7-6950X或i7-7700K 及其以上高级型号 内存：品牌内存，总容量32G以上，根据主板组成4通道或8通道 SSD： 品牌固态硬盘，容量256G以上 显卡：NVIDIA GTX TITAN(XP) NVIDIA GTX 1080ti、NVIDIA GTX TITAN、NVIDIA GTX 1080、NVIDIA GTX 1070、NVIDIA GTX 1060 (顺序为优先建议，并且建议同一显卡，可以根据主板插槽数量购买多块，例如X299型号主板最多可以采用×4的显卡) 电源：由主机机容量的确定，一般有显卡总容量后再加200W即可 阅读全文

摘要： 如何引用Keras？ 如何使Keras调用GPU？ 如何在多张GPU卡上使用Keras "batch", "epoch"和"sample"都是啥意思？ 如何保存Keras模型？ 为什么训练误差(loss)比测试误差高很多？ 如何获取中间层的输出？ 如何利用Keras处理超过机器内存的数据集？ 当验证集的loss不再下降时，如何中断训练？ 验证集是如何从训练集中分割出来的？ 训练数据在训练时会被随机洗乱吗？ 如何在每个epoch后记录训练/测试的loss和正确率？ 如何使用状态RNN（statful RNN）？ 如何“冻结”网络的层？ 如何从Sequential模型中去除一个层？ 如何在Keras中使用预训练的模型 如何在Keras中使用HDF5输入？ Keras的配置文件存储在哪里？ 在使用Keras开发过程中，我如何获得可复现的结果？ 阅读全文

摘要： API - 数据预处理¶ 我们提供大量的数据增强及处理方法，使用 Numpy, Scipy, Threading 和 Queue。 不过，我们建议你直接使用 TensorFlow 提供的 operator，如 tf.image.central_crop ，更多关于 TensorFlow 的信息请见 这里 和 tutorial_cifar10_tfrecord.py. 这个包的一部分代码来自Keras。 阅读全文

摘要： API - 可视化¶ TensorFlow 提供了可视化模型和激活输出等的工具 TensorBoard。 在这里，我们进一步提供一些可视化模型参数和数据的函数 阅读全文

摘要： tensorlayer.rein.discount_episode_rewards(rewards=[], gamma=0.99, mode=0)[源代码]¶ Take 1D float array of rewards and compute discounted rewards for an episode. When encount a non-zero value, consider as the end a of an episode. 阅读全文

摘要： Keras官方中文版文档 如何引用 Keras? 如何在 GPU 上运行 Keras? 如何在多 GPU 上运行 Keras 模型？ "sample", "batch", "epoch" 分别是什么？ 如何保存 Keras 模型？ 为什么训练集误差比测试集的误差高很多？ 如何获取中间层的输出？ 如何用 Keras 处理超过内存的数据集？ 在验证集的误差不再下降时，如何中断训练？ 验证集划分是如何计算的？ 在训练过程中数据是否会混洗？ 如何在每个 epoch 后记录训练集和验证集的误差和准确率？ 如何「冻结」网络层？ 如何使用状态 RNNs (stateful RNNs)? 如何从 Sequential 模型中移除一个层？ 如何在 Keras 中使用预训练的模型？ 如何在 Keras 中使用 HDF5 输入？ Keras 配置文件保存在哪里？ 如何在 Keras 开发过程中获取可复现的结果？ 阅读全文

摘要： 这一次发布的是 Keras 官方中文文档，它得到了严谨的校对而提升了整体质量。但该项目还在进行中，虽然目前已经上线了很多 API 文档和使用教程，但仍然有一部分内容没有完成。其实早在官方中文文档出现以前，就有开发者构建了 Keras 的中文文档，而且很多读者都在使用 MoyanZitto 等人构建的中文文档。 阅读全文

摘要： Kears作者François Chollet刚刚在Twitter贴出最近三个月在arXiv提到的深度学习框架，TensorFlow不出意外排名第一，Keras排名第二。随后是Caffe、PyTorch和Theano，再次是MXNet、Chainer和CNTK。 Keras作者François Chollet刚刚在Twitter贴出一张图片，是近三个月来arXiv上提到的深度学习开源框架排行： 阅读全文

摘要： 情感分析有很多的应用场景，比如做一个电商网站，卖家需要时刻关心用户对于商品的评论是否是正面的。再比如做一个电影的宣传和策划，电影在键盘侠们中的口碑也至关重要。互联网上关于任何一个事件或物品都有可能产生成千上万的文本评论，如何定义每一个文本的情绪是正面或是负面的，是一个很有挑战的事情。挑战体现在以下几个方面，区别于结构化数据，评论数据的长短不一，很难限定到固定的维度。另外很难通过某个词判断用户的情绪，举个极端的例子，fu*k通常被认为是贬义词，但是如果一条评论是“傲海 is fu*kinghandsome”，那么其实就是一个正向的意义。本文我要使用IMDB数据集，通过20行的Tensorflow代码实现一个电影评论预测模型，准确率可以超过百分之九十五，里面涉及到一些词袋模型以及embedding的概念，这些我等下一篇文章再讲，这一次我们就讲实践。 阅读全文