- 从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了BiLSTM-CRF模型搭建及训练、预测，最终实现医学命名实体识别实验。这篇文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN，这篇文章将以代码为主，让读者直观感受深度神经网络，希望对您有所帮助~ 从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了BiLSTM-CRF模型搭建及训练、预测，最终实现医学命名实体识别实验。这篇文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN，这篇文章将以代码为主，让读者直观感受深度神经网络，希望对您有所帮助~
- 这篇文章简单讲解易学智能GPU搭建Keras环境的过程，并实现了LSTM文本分类的实验，本来想写Google Colab免费云，但看知乎评价也不太好（梯子常断网、时间限制、数据量小）。因此，选择一个评价较好的平台供大家学习（6块一小时），也希望大家推荐更好的平台，百度飞浆后续准备也学习下，希望这篇文章能解决自身电脑配置不足，需要GPU运行模型且服务器价格又不是太高的同学，加油！ 这篇文章简单讲解易学智能GPU搭建Keras环境的过程，并实现了LSTM文本分类的实验，本来想写Google Colab免费云，但看知乎评价也不太好（梯子常断网、时间限制、数据量小）。因此，选择一个评价较好的平台供大家学习（6块一小时），也希望大家推荐更好的平台，百度飞浆后续准备也学习下，希望这篇文章能解决自身电脑配置不足，需要GPU运行模型且服务器价格又不是太高的同学，加油！
- 前一篇文章分享了循环神经网络RNN的原理知识，并采用Keras实现手写数字识别的RNN分类案例及可视化呈现。这篇文章作者将带领大家用Keras实现RNN和LSTM的文本分类算法，并与传统的机器学习分类算法进行对比实验。基础性文章，希望对您有所帮助！ 前一篇文章分享了循环神经网络RNN的原理知识，并采用Keras实现手写数字识别的RNN分类案例及可视化呈现。这篇文章作者将带领大家用Keras实现RNN和LSTM的文本分类算法，并与传统的机器学习分类算法进行对比实验。基础性文章，希望对您有所帮助！
- 前一篇文章详细讲解了无监督学习Autoencoder的原理知识，然后用MNIST手写数字案例进行对比实验及聚类分析。这篇文章将开启Keras人工智能的学习，主要分享Keras环境搭建、入门基础及回归神经网络案例。基础性文章，希望对您有所帮助！ 前一篇文章详细讲解了无监督学习Autoencoder的原理知识，然后用MNIST手写数字案例进行对比实验及聚类分析。这篇文章将开启Keras人工智能的学习，主要分享Keras环境搭建、入门基础及回归神经网络案例。基础性文章，希望对您有所帮助！
- @Author：Runsen多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构每个MLP模型由一个输入层、几个隐藏层和一个输出层组成每层神经元的数目不受限制具有一个隐藏层的MLP- 输入神经元数：3- 隐藏神经元数：4- 输出神经元数：2 回归任务... @Author：Runsen多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构每个MLP模型由一个输入层、几个隐藏层和一个输出层组成每层神经元的数目不受限制具有一个隐藏层的MLP- 输入神经元数：3- 隐藏神经元数：4- 输出神经元数：2 回归任务...
- Keras是一个高级神经网络API，它能够在TensorFlow、Theano、CNTK等后端框架上运行，为开发者提供了丰富的功能和灵活的选择。Keras的设计理念是用户友好、模块化、可扩展，它提供了简单、快速的原型设计能力，使得深度学习模型的构建和训练变得更加容易。本章将介绍Keras的概述、特点和历史，帮助读者更好地了解Keras。Keras是由François Chollet开发的一个开源深 Keras是一个高级神经网络API，它能够在TensorFlow、Theano、CNTK等后端框架上运行，为开发者提供了丰富的功能和灵活的选择。Keras的设计理念是用户友好、模块化、可扩展，它提供了简单、快速的原型设计能力，使得深度学习模型的构建和训练变得更加容易。本章将介绍Keras的概述、特点和历史，帮助读者更好地了解Keras。Keras是由François Chollet开发的一个开源深
- @toc 1、keras介绍 tf.keras 是 tensorflow2 引入的高封装度的框架，可以用于快速搭建神经网 络模型，keras 为支持快速实验而生，能够把想法迅速转换为结果，是深度学习 框架之中最终易上手的一个，它提供了一致而简洁的 API，能够极大地减少一般 应用下的工作量，提高代码地封装程度和复用性。 文档地址：https://tensorflow.google.cn/... @toc 1、keras介绍 tf.keras 是 tensorflow2 引入的高封装度的框架，可以用于快速搭建神经网 络模型，keras 为支持快速实验而生，能够把想法迅速转换为结果，是深度学习 框架之中最终易上手的一个，它提供了一致而简洁的 API，能够极大地减少一般 应用下的工作量，提高代码地封装程度和复用性。 文档地址：https://tensorflow.google.cn/...
- 产品介绍：（1）概述：视觉结算系统是基于图像识别技术的一套自助结算系统。可以快速精确的帮助消费者结算，减少购物高峰期的排队等待时间。后台可以保存顾客购物信息，方便远程管理门店。采用的是计算机视觉技术，与图像识别等技术类似，是通过摄像头获取目标物体信息，通过RGB图像进行目标对比，基本的流程是：图像获取，目标定位，图像分割，图像识别。只需将商品放于结算台上，通过AI识别技术识别商品，系统将自动... 产品介绍：（1）概述：视觉结算系统是基于图像识别技术的一套自助结算系统。可以快速精确的帮助消费者结算，减少购物高峰期的排队等待时间。后台可以保存顾客购物信息，方便远程管理门店。采用的是计算机视觉技术，与图像识别等技术类似，是通过摄像头获取目标物体信息，通过RGB图像进行目标对比，基本的流程是：图像获取，目标定位，图像分割，图像识别。只需将商品放于结算台上，通过AI识别技术识别商品，系统将自动...
- 记录在树莓派上的一次不成功的尝试。 记录在树莓派上的一次不成功的尝试。
- 本文介绍了Nano的使用过程。 本文介绍了Nano的使用过程。
- WSL2上体验TinyMS 0.3.1 WSL2上体验TinyMS 0.3.1
- @Author：Runsen GPU在gpu上训练使训练神经网络比在cpu上运行快得多Keras支持使用Tensorflow和Theano后端对gpu进行培训文档： https://keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu 安装GPU首先，下载并安装CUDA&CuDNN（假设您使用的是NVIDIA gpu）安装url... @Author：Runsen GPU在gpu上训练使训练神经网络比在cpu上运行快得多Keras支持使用Tensorflow和Theano后端对gpu进行培训文档： https://keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu 安装GPU首先，下载并安装CUDA&CuDNN（假设您使用的是NVIDIA gpu）安装url...
- @Author：Runsen@[toc] Load datasetdigits dataset in scikit-learnurl: http://scikit-learn.org/stable/auto_examples/datasets/plot_digits_last_image.htmlfrom sklearn.datasets import load_digitsfrom ten... @Author：Runsen@[toc] Load datasetdigits dataset in scikit-learnurl: http://scikit-learn.org/stable/auto_examples/datasets/plot_digits_last_image.htmlfrom sklearn.datasets import load_digitsfrom ten...
- @Author：Runsen@[toc] 基本卷积神经网络（CNN）-CNN的基本结构：CNN与MLP相似，因为它们只向前传送信号（前馈网络），但有CNN特有的不同类型的层Convolutional layer：在一个小的感受野（即滤波器）中处理数据Pooling layer：沿2维向下采样（通常为宽度和高度）Dense (fully connected) layer：类似于MLP的隐藏层i... @Author：Runsen@[toc] 基本卷积神经网络（CNN）-CNN的基本结构：CNN与MLP相似，因为它们只向前传送信号（前馈网络），但有CNN特有的不同类型的层Convolutional layer：在一个小的感受野（即滤波器）中处理数据Pooling layer：沿2维向下采样（通常为宽度和高度）Dense (fully connected) layer：类似于MLP的隐藏层i...
- @Author：Runsen@[toc] 基础知识图像格式数据的输入通常是张量流中的四维数组（数值、宽度、高度、深度）num_instance:数据实例数。通常指定为无，以适应数据大小的波动宽度：图像的宽度高度：图像的高度深度：图像的深度。彩色图像的深度通常为3（RGB为3个通道）。黑白图像的深度通常为1（只有一个通道）from matplotlib import pyplot as plt... @Author：Runsen@[toc] 基础知识图像格式数据的输入通常是张量流中的四维数组（数值、宽度、高度、深度）num_instance:数据实例数。通常指定为无，以适应数据大小的波动宽度：图像的宽度高度：图像的高度深度：图像的深度。彩色图像的深度通常为3（RGB为3个通道）。黑白图像的深度通常为1（只有一个通道）from matplotlib import pyplot as plt...
上滑加载中
推荐直播
-
2024华为开发者年度盛典颁奖礼2024/12/15 周日 14:00-16:00
华为专家团
华为开发者年度盛典，12月14~15日，与数百位来自全球的极客开发者、技术领军人物、行业权威专家、学术及产业代表齐聚东莞 · 华为溪流背坡村&三丫坡，共赴这场专属于开发者的技术盛宴，探讨AI时代下技术生态、碰撞创新的火花。
回顾中 -
鸿蒙应用云函数调用实践2024/12/16 周一 16:00-18:00
Skye 华为云学堂技术讲师
本期直播带你了解基于Serverless的函数工作流FunctionGraph及其优势、掌握在HarmonyOS上如何调用FunctionGraph云函数，通过待办清单即学即练的操作实践，感受鸿蒙应用开发技术魅力！
去报名 -
鸿蒙应用入门级开发者认证考点精讲2024/12/17 周二 16:00-18:00
Skye 华为云学堂技术讲师
本期直播将整体介绍鸿蒙应用入门级开发者认证的整体框架，解构认证理论及实验的知识考点，并辅助剖析模拟试题，助力开发者通关考试。
去报名
热门标签