当您构建和训练 Keras 深度学习模型时，您可以通过多种不同的方式提供训练数据。将数据作为 NumPy 数组或 TensorFlow 张量呈现是很常见的。另一种方法是制作一个 Python 生成器函数，并让训练循环从中读取数据。还有另一种方法是 […]
档案 | 深度学习
在 Python 和 Keras 中为深度学习模型使用学习率调度
训练神经网络或大型深度学习模型是一项困难的优化任务。训练神经网络的经典算法称为随机梯度下降。已经很好地证明，通过在训练期间使用变化的学习率，您可以在某些问题上实现更高的性能和更快的训练。在这篇文章中，[…]
使用 Keras 深度学习库的二元分类教程
Keras 是一个用于深度学习的 Python 库，它封装了高效的数值库 TensorFlow 和 Theano。Keras 允许您快速简单地设计和训练神经网络和深度学习模型。在这篇文章中，您将通过一个 […] 了解如何在机器学习项目中有效地使用 Keras 库。
在 Keras 中为深度学习模型使用 Dropout 正则化
Dropout 是一种简单而强大的神经网络和深度学习模型正则化技术。在这篇文章中，您将了解 Dropout 正则化技术以及如何使用 Python 和 Keras 将其应用于您的模型。阅读本文后，您将了解：Dropout 正则化技术的工作原理 如何在 […] 上使用 Dropout
在神经网络中使用激活函数
激活函数通过引入非线性在神经网络中起着不可或缺的作用。这种非线性使神经网络能够基于输入开发复杂的表示和函数，而这对于简单的线性回归模型是不可能的。在神经网络的历史中，已经提出了许多不同的非线性激活函数。在这篇文章中，[…]
如何在 Keras 中检查点深度学习模型
深度学习模型可能需要数小时、数天甚至数周才能训练。如果运行意外停止，您可能会丢失大量工作。在这篇文章中，您将了解如何在使用 Keras 库的 Python 中训练期间检查点您的深度学习模型。让我们开始吧。2016 年 6 月：首次发布 2017 年 3 月更新：更新了 […]
如何在 Python 中使用 Keras 为深度学习模型进行超参数网格搜索
超参数优化是深度学习的重要组成部分。原因是神经网络出了名的难以配置，并且需要设置大量的参数。最重要的是，单个模型训练起来可能非常慢。在这篇文章中，您将了解如何使用来自 […] 的网格搜索功能。
在Keras中构建机器学习模型的三种方法
如果您查看过 Github 上的 Keras 模型，您可能已经注意到在 Keras 中创建模型有几种不同的方法。有 Sequential 模型，它允许您在一行中定义整个模型，通常带有用于可读性的一些换行符。然后，还有功能性接口，它允许更复杂的 […]
在Keras中评估深度学习模型的性能
Keras 是一个易于使用且功能强大的深度学习 Python 库。在设计和配置深度学习模型时需要做出许多决策。其中大多数决策必须通过反复试验并通过在真实数据上进行评估来凭经验解决。因此，拥有一个 […] 至关重要。
在TensorFlow中使用Autograd解决回归问题
我们通常使用 TensorFlow 来构建神经网络。然而，TensorFlow 不仅限于此。在幕后，TensorFlow 是一个具有自动微分功能的张量库。因此，您可以轻松地使用它来通过梯度下降解决数值优化问题。在这篇文章中，您将学习 TensorFlow 的自动微分引擎 autograd 如何 […]