【Keras】基于SegNet和U-Net的遥感图像语义分割-附件资源

人脸识别 通过深度学习实现的人脸检测和识别系统。 人脸数据集 非人脸数据集 带有滑动窗口的人脸检测

步态数据上的预测建模：使用LSTM将预测模型应用于时序步态数据的实验的最终结果和Python代码。 “重采样和时代测试”显示了一次优化模型参数两次的第一次迭代的结果。 “批次大小和神经元测试”显示第二次测试的结果，优化了其余两个参数

play-daxigua-using-Re强化学习：使用强化学习DQN算法，训练AI模型来玩合成大西瓜游戏，提供Keras版本和PARL（paddle）版本

用Keras实现我们的CIFAR10的图像分类 模型有LeNet，Network_in_Network，VGG，GoogLeNet，ResNet，ResNeXt，DenseNet，SENet还有Multi-GPU的方式 在资源中有全部代码的学习资料，并且包括所有的权重，代码所有都可运行，可执行，可复现代码的结果，进行了一个简单的比较各个模型在cifar10的数据的结果 除此之外，也搭载了可视化的功能，能够对数据有一个更加清晰的认识

神经自行车 该项目在个人设备和资源上运行。 网站上没有使用跟踪器，并且它是免费的。 如果您喜欢它，请考虑通过捐赠或解锁iOS应用程序上的其他功能来支持它。 为什么会存在？ 世界各地的自行车共享服务都存在相同的问题。 骑行方式不平等会导致整个城市的自行车分配不均。 这迫使工人重新平衡使用大型车辆的服务，或者通过激励用户从整站解锁自行车。 这是全球所有对接系统中都存在的问题。 自行车共享应用程序不会为用户提供有洞察力的信息。 它们仅提供反映系统实际状态的信息。 但是以前的模式会影响实际状态，甚至可能影响未来。 通过不断地收集数据，我试图通过使用最近几天的可用性来预测可用性来解决此问题。 该存储库包含用于生成预测的实际代码。所有数据分析，处理和神经网络训练均由该项目完成。 我正在尽可能多地更新此项目，以使其适应不同城市的需求。 到目前为止，每天都会对毕尔巴鄂，马德里，纽约和伦敦等城市进

人工智能-深度学习-注意力-基于attention的LSTM/Dense implemented by Keras X = Input Sequence of length n. H = LSTM(X); Note that here the LSTM has return_sequences = True, so H is a sequence of vectors of length n. s is the hidden state of the LSTM (h and c) h is a weighted sum over H: 加权和 h = sigma(j = 0 to n-1) alpha(j) * H(j) weight alpha[i, j] for each hj is computed as follows: H = [h1,h2,...,hn] M = tanh(H) alhpa = softmax(w.transpose * M) h# = tanh(h) y = softmax(W * h# + b) J(theta) = negative

使用Python和Keras进行深度学习/强化学习股票投资-定量投资和算法交易的前沿解决方案简介（修订版） 强化学习是一种很好的应用于股票数据学习的自学习机器学习技术。 本书介绍了如何使用Python进行基于强化学习的股票投资模拟程序的开发。 为此，我在理论和代码级别上添加了详细的说明。 通过本书，您将能够理解深度学习和强化学习，并将其用于包括股票投资在内的多个领域。 购买链接 本书涵盖的内容 深度学习与强化学习理论 如何将强化学习应用于股票投资 基于强化学习的股票投资系统开发 采集和处理实际库存数据以进行强化学习 如何通过强化学习来学习库存数据 如何使用学习型强化学习模型 如何基于强化学习定制股票投资系统 首选项 pip install tensorflow==1.15.2 pip install plaidml-keras==0.6.2 pip install mplfinan

3dgan-keras 这是一个实现 ，最初是由MIT CSAIL提出。 运行python main.py进行训练，不要忘记将卷放在/data/train 。 要进行测试，只需运行python main.py --mode=test并指定所需的test_epoch 。 版本号 keras == 2.2.4 去做 数据加载器 测试脚本 添加张量板 作者 Chi Nok Enoch Kan /

这里我们陈述人脸识别的问题。然后对现有的用于人脸识别的AI库做一个简短的回顾。我们使用Keras FaceNet库。然后我们开发用于人脸识别的Python代码并使用创建的人脸数据库测试算法。