如何开发适用于MNIST手写数字分类的CNN 2020-05-26 机器学习 MNIST手写数字分类问题是用于计算机视觉和深度学习的标准数据集。 虽然数据集得到了有效的解决，但它可以作为学习和实践如何从头开始开发、评估和使用卷积深度学习神经网络进行图像分类的基础。这包括如何开发健壮的测试工具来评估模型的性能，如何探索对模型的改进，以及如何保存模型并在以后加载它以对新数据 [......] 了解详情 Python
用于训练深度学习神经网络的损失和损失函数 2020-05-25 机器学习 神经网络使用随机梯度下降进行训练，并要求你在设计和配置模型时选择损失函数。 有许多损失函数可供选择，知道要选择什么，甚至知道损失函数是什么，以及它在训练神经网络时所起的作用可能是具有挑战性的。 在这篇文章中，你将了解损失函数和损失函数在训练深度学习神经网络中的作用，以及如何为你的预测建模 [......] 了解详情 Python
如何用节点和层控制神经网络模型容量 2020-05-24 机器学习 深度学习神经网络模型的能力控制其能够学习的映射函数类型的范围。 容量太小的模型无法学习训练数据集，这意味着它将不适合，而容量太大的模型可能会记忆训练数据集，这意味着它将过度适应，或者可能在优化过程中卡住或丢失。 通过配置节点数和层数来定义神经网络模型的容量。 在本教程中，你将了解如 [......] 了解详情 Python
机器学习中的向量范数介绍 2020-05-23 机器学习 计算向量的长度或大小通常需要直接作为机器学习中的正则化方法，或者作为更广泛的向量或矩阵运算的一部分。 在本教程中，你将了解计算矢量长度或幅值(称为矢量范数)的不同方法。 完成本教程后，你将了解： 作为向量绝对值之和计算的L1范数。 作 [......] 了解详情 Python
如何使用ReLU修复消失渐变问题 2020-05-22 机器学习 渐变消失问题是训练深度神经网络时可能遇到的不稳定行为的一个示例。 它描述了深多层前馈网络或递归神经网络无法将有用的梯度信息从模型的输出端传播回模型输入端附近的层的情况。 其结果是，具有多个层的模型通常无法在给定的数据集上学习或过早收敛到较差的解决方案。 已经提出和研究了许多修复和解 [......] 了解详情 Python
如何使用Keras Functional API进行深度学习 2020-05-21 机器学习 Keras Python库使创建深度学习模型变得又快又简单。 顺序API允许你针对大多数问题逐层创建模型。它的局限性在于不允许创建共享层或具有多个输入或输出的模型。 Keras中的Functional API是创建模型的另一种方式，它提供了更大的灵活性，包括创建更复杂的模型。 在本 [......] 了解详情 Python
Keras长短期记忆模型的5步生命周期 2020-05-20 机器学习 使用Keras在Python中创建和评估深度学习神经网络非常容易，但你必须遵循严格的模型生命周期。 在这篇文章中，你将了解在Keras中创建、训练和评估长期短期记忆(LSTM)递归神经网络的逐步生命周期，以及如何使用经过训练的模型进行预测。 读完这篇文章，你就会知道： [......] 了解详情 Python
在Keras中显示深度学习模型训练历史 2020-05-19 机器学习 通过观察神经网络和深度学习模型在训练过程中随时间推移的性能，你可以了解到更多关于神经网络和深度学习模型的知识。 Keras是一个功能强大的Python库，它为创建深度学习模型提供了一个干净的接口，并封装了更具技术性的TensorFlow和Theano后端。 在这篇文章中，你将了解如何在使 [......] 了解详情 Python
如何在Keras中可视化深度学习神经网络模型 2020-05-18 机器学习 Keras Python深度学习库提供了可视化和更好地理解神经网络模型的工具。 在本教程中，你将确切了解如何在Keras中总结和可视化深度学习模型。 完成本教程后，你将了解： 如何创建深度学习模型的文本摘要。 如何创建深度学习模型的图 [......] 了解详情 Python
如何保存和加载你的Keras深度学习模型 2020-05-17 机器学习 Keras是一个简单而强大的Python库，用于深度学习。 鉴于深度学习模型可能需要数小时、数天甚至数周的时间进行训练，因此了解如何从磁盘保存和加载它们非常重要。 在这篇文章中，你将了解如何将Keras模型保存到文件中并再次加载以进行预测。 阅读本教程后，你将知道： [......] 了解详情 Python
