dataastron

dataastron

dataastron dataastron

文章 阅读 14
dataastron
dataastron

Keras之对鸢尾花识别

鸢尾花数据集链接:下载鸢尾花数据集 鸢尾花数据集包含四个特征和一个标签。所以我将数据集按7:3(训练集:测试集)的比例进行划分。数据集处理具体代码 什么是one-hot编码?????One-Hot编码是分类变量作为二进制向量的表示。????
文章 阅读 9
文章 阅读 8
dataastron
dataastron

年龄_性别识别

参考开源项目:年龄_性别识别 1.识别效果如下图 年龄_性别识别 2.keras模型转pb模型,方便模型的迁移和rknn平台的使用,代码1如下: 代码2如下: 3.推理代码如下: 4.推理时间在tx2上为:70ms
文章 阅读 18
文章 阅读 10
文章 阅读 11
文章 阅读 9
dataastron
dataastron

keras API的使用,神经网络层,优化器

layers介绍 keras API的使用,神经网络层,优化器 Flatten和Dense介绍 keras API的使用,神经网络层,优化器 优化器 keras API的使用,神经网络层,优化器 损失函数 keras API的使用,神经网络
文章 阅读 27
dataastron
dataastron

Tensorflow2.0语法 - keras_API的使用(三)

因此下面说的几乎所有模型/网络层 都可以在定义后,直接像函数一样调用。!!!验证集是伴随着模型训练过程中而验证) 代码如下: 可用参数 自定义Model Model相当于母版, 你继承了它,并实现对应方法,同样也能简便实现模型的定义。
文章 阅读 8
文章 阅读 17
dataastron
dataastron

Keras入门(四)之利用CNN模型轻松破解网站验证码

那么,新的破解验证码的思路是什么呢?如下: 直接对验证码进行标记,标记的结果见上图;对新验证码进行预测。有机会笔者会介绍这个验证码标记的项目~ 模型训练 标记完验证码后,我们就利用这946张验证码作为训练数据,训练CNN模型。
文章 阅读 12
dataastron
dataastron

使用权重正则化较少模型过拟合

使用权重正则化较少模型过拟合 介绍 权重正则化可以减轻深度神经网络模型的过拟合问题,可以提升对新数据的泛化能力。在这篇文章中,你将学习在keras如何使用权重正则化的方法来减轻模型过拟合问题。我们使用正则化,添加噪声数据来处理问题。
文章 阅读 20
文章 阅读 30
dataastron
dataastron

使用对象检测进行复杂图像分类方案

为此,我们首先将图像展平为长矢量。使用对象检测进行复杂图像分类方案 使用对象检测进行复杂图像分类方案 当然我们也会有很多非常大的图像 使用对象检测进行复杂图像分类方案 注意MLP模型比我们简单的线性模型更准确,但更慢。我们先拍摄如下图像。
文章 阅读 21
dataastron
dataastron

在ML Engine上运行Keras模型

在ML Engine上运行Keras模型 Keras是一个很好的库,可以使用深度学习模型。您可以使用gcloud客户端或已保存的模型来测试模型。在ML Engine上运行Keras模型 然后,您需要实现数据序列化以提供构建的服务模型。
文章 阅读 19
dataastron
dataastron

用Keras在TensorFlow上进行迁移学习示例详解

用Keras在TensorFlow上进行迁移学习示例详解 本文将展示如何通过实现图像分类应用程序在TensorFlow上使用Keras进行迁移学习。目标是根据狗的品种对狗的图像进行分类。如果在图像中检测到狗,它将提供狗的品种的估计。
文章 阅读 23
文章 阅读 26
dataastron
dataastron

机器学习爱好者看过来!揭秘GPU!

但对我来说,GPU一直是个谜。当GPU加速我的PyTorch模型的时候,我谷歌了一下神奇的“GPU ->如何考虑GPU PyTorch不是代码行“GPU ->揭秘GPU!揭秘GPU!为什么?揭秘GPU!揭秘GPU!揭秘GPU!
文章 阅读 9