摘要：
【关于文件夹】 这里Keras是在Windows环境，使用Anaconda安装 Anaconda有两个主要文件夹需要了解： 1 Anaconda 应用程序安装目录下的Keras子文件夹，需要搜索找到 2 Anaconda 应用程序存储Keras模型和数据集文件的文件在 ,用对应的用户文件夹下的.ke 阅读全文
摘要：
【Keras版本】：2.2.2，推荐阅读下官方中文网站的 Demo ：https://keras-cn.readthedocs.io/en/latest/other/application/#inceptionv3 【适用场合】： 没有硬件：例如众所周知的Inception v3模型,此模型在一台配 阅读全文
摘要：
【模型可视化】 可以在定义模型的时给每个层都加了一个名字。 【以表格形式显示模型】 【通过TensorBoard回调函数实现可视化】 在model的fit函数中加入TensorBoard的回调函数即可，训练数据就会自动保存在log_dir指定的目录内，然后在命令行启动命令 tensorboard – 阅读全文
摘要：
【保存模型与参数】 在Keras的官方应用中，加载Inception V3模型的内部实现为首先创建模型结构，然后利用模型的加载参数的方法加载参数。 【加载模型与参数】，这里直接创建模型， 【只保存参数/模型】 阅读全文
摘要：
【基础要点】 1-加载Minist数据，并变形 2-数据信息图形化显示 3-可视化训练过程 4-可视化预测 5-误差矩阵显示 【代码实现】 1-超参数 2-全部代码 3-可视化模型结构： Keras的utils里面专门有一个plot_model()函数是用来可视化网络结构的，为了保证格式美观，我们在 阅读全文
摘要：
【内容简介】 1 Python 安装与开发环境搭建 2 第一个Python程序 3 Python基本类型 4 Python控制结构 5 Python函数 6 错误处理 7 类 8-测试 9 Python 内建函数总结 10 常用模块 11 文件操作 12 数据库 13 网络编程 14 Python图 阅读全文
摘要：
序贯模型与函数式模型 阅读全文
摘要：
【基础要点】 1-加载Minist数据，并变形 2-数据信息图形化显示 3-可视化训练过程 4-可视化预测 4-误差矩阵显示【混淆矩阵】 【代码实现】 1-超级参数定义 2-全部代码 3-可视化模型结构： Keras的utils里面专门有一个plot_model()函数是用来可视化网络结构的，为了保 阅读全文
摘要：
【.py文件执行过程示例】 python可执行文件，即以 .py 或 .pyw为后缀的文件中，没有类似于C/C++ 的main函数。【注】.pyw 在Windows环境下表明这是一个GUI程序文件，以.pyw为后缀，执行时不会显示控制台窗体。 python解释器，遇到代码段即执行。以一段代码执行过程 阅读全文
摘要：
常用层对应于core模块，core内部定义了一系列常用的网络层，包括全连接、激活层等 【Dense层】 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 阅读全文
摘要：
【分类】： 常用层：全连接层，激活层，Droupout层，Flaten，Reshape，Permute，RepeatVector，Lambda，ActivityRegularizer，Masking 层等 卷积层、池化层 局部连接层 循环层 嵌入层 融合层 高级激活层 规范层 噪声层 包装器 【共性 阅读全文
摘要：
【关于函数名称】 函数式模型的中文译文是根据模型的使用方式意译的，在英文中，函数式模型英文为Model 【为甚么使用函数式模型】 序贯模型(Sequential)有一个缺陷，即网络只能一层一层的堆叠起来，无法处理分支网络的情况。在深度神经网络结构中，比如ResNet或Inception这些相对复杂的 阅读全文
摘要：
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。 两种模型的共同方法： model.summary()：打印出模型概况，它实际调用的是keras.utils.print_summary model.g 阅读全文
摘要：
【理解层对象】 层对象接受张量为参数，返回一个张量。 输入是张量，输出也是张量的一个框架就是一个模型，通过Model定义。 这样的模型可以被像Keras的Sequential一样被训练 层对象接受张量为参数，返回一个张量。 输入是张量，输出也是张量的一个框架就是一个模型，通过Model定义。 这样的 阅读全文
摘要：
【用到的】 本节中涉及到的序贯模型的方法： 五步：添加层，删除层、编译、训练、评估、预测、 工具：训练、评估、预测 数据生成器函数： Dense（） 第一个参数：输出节点数 uints，input_dim，input_shape ? 【简单的例子-硬上神经网络做线性回归】-改编自网上的例子，可将代码 阅读全文
摘要：
【工具概述】 初学者建议使用Jupyter即可，一边写代码，一遍执行查看执行结果 Ipython 简介: IPython 是一个 python 的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进、内置了许多很有用的功能和函数。 Linux环境下支持 bash 阅读全文
摘要：
【常量】整型、浮点型、字符串、元祖 1-常量不可改变：程序中的常量不可更改，只能重新开辟内存存储新的值 例子1：数字常量不可变更说明 输出结果为：不同机器上执行结果不同，我们关注的不是具体的值，而是id的值是否发生变化 x进行加法运算后id（内存中的存储地址）发生变化 【解释说明】： 1、“=” 符 阅读全文