数据集：本实验使用 Plant Village 公开数据集。本实验中的数据集共用 38个类别名称，代表38类病害。
代码：包含resnet50\ATT-ResNet\VGG等多个模型
实现环境：Python3.6.5、keras2.2.4、tensorflow1.12
2022-02-21 09:28:55
502.58MB
前几天忙着参加一个AI Challenger比赛，一直没有更新博客，忙了将近一个月的时间，也没有取得很好的成绩，不过这这段时间内的确学到了很多，就在决赛结束的前一天晚上，准备复现使用一个新的网络UPerNet的时候出现了一个很匪夷所思，莫名其妙的一个问题。谷歌很久都没有解决，最后在一个日语网站上看到了解决方法。
事后想想，这个问题在后面搭建网络的时候会很常见，但是网上却没有人提出解决办法，So, I think that’s very necessary for me to note this.
背景
分割网络在进行上采样的时候我用的是双线性插值上采样的，而Keras里面并没有实现双线性插值的
2022-02-20 16:34:27
66KB
1
pocket-tensor pocket-tensor是arquolo的Kerasify分支，设计用于在嵌入式设备上运行C ++应用程序中经过训练的Keras模型。
设计目标与Keras口袋张量生成的顺序网络的兼容性口袋张量是arquolo的Kerasify分支，旨在在嵌入式设备上从C ++应用程序运行经过训练的Keras模型。
设计目标与Keras 2.x使用Tensorflow后端生成的顺序网络的兼容性。
多线程CPU支持。
内存使用率低。
易于构建和运行（无外部依赖性）。
快速的构建时间。
Kerasify上的改进借助出色的libsimdpp库，使用SIMD指令重写了张量操作，以提高
2022-02-17 15:00:21
33.7MB
1
用于训练自己制作的数据集的一个项目。关于如何制作自己的数据集
http://tech.ifeng.com/a/20171014/44715883_0.shtml 盯住梅西：TensorFlow目标检测实战 上面有详细的介绍。
2022-02-16 21:02:37
2.34MB
1
VGG16 keras 预训练模型，官网不太好下载，下载速度慢我把这个下好以后上传上来了。主要是用于加载预训练的权重。
2022-02-16 17:12:18
29.16MB
1
骇客深度学习：使用TensorFlow 2和Keras和Python的机器学习教程（包括Jupyter笔记本）-（LSTM，超电流表调整，数据预处理，偏差方差折衷，异常检测，自动编码器，时间序列预测，对象检测，情感分析，使用BERT进行意图识别）
2022-02-16 13:13:33
22.62MB
1
Deep learning is the most interesting and powerful machine learning technique right now.
Top deep learning libraries are available on the Python ecosystem like Theano and TensorFlow. Tap into their power in a few lines of code using Keras, the best-of-breed applied deep learning library.
In this mega Ebook is written in the friendly Machine Learning Mastery style that you’re used to, learn exactly how to get started and apply deep learning to your own machine learning projects. After purchasing you will get:
256 Page PDF Ebook.
66 Python Recipes.
18 Step-by-Step Lessons.
9 End-to-End Projects.
参看 https://machinelearningmastery.com/deep-learning-with-python/ 价值 $47 USD
2022-02-15 22:16:22
6.93MB
1
肌肉骨骼X光片异常分类器
实验
网络
准确性（遇到）
精度（遇到）
召回（遇到）
F1（遇到）
河童（相遇）
DenseNet169（基准）
.83（.84）
.82（.82）
.87（.90）
.84（.86）
.65（.65）
移动网
.81（.83）
.80（.82）
.85（.89）
.82（.85）
.62（.62）
NASNetMobile
.82（.83）
.78（.80）
.89（.92）
.83（.86）
.63（.63）
此外，pytorch中的ResNet50也获得了等效的结果。
数据集
@misc{1712.06957,
Author = {Pranav Rajpurkar and Jeremy Irvin and Aarti Bagul and Daisy Ding and Tony Duan and Hershel M
2022-02-13 18:21:16
287KB
1
我就废话不多说了，大家还是直接看代码吧！
# 利用sklearn自建评价函数
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_auc_score
from keras.callbacks import Callback
class RocAucEvaluation(Callback):
def __init__(self, validation_data=(), interval=1):
super(Callback, self).__init__()
self.i
2022-02-09 19:50:36
40KB
1
在2.2.0版本前，
from keras import backend as K
from keras.engine.topology import Layer
class MyLayer(Layer):
def __init__(self, output_dim, **kwargs):
self.output_dim = output_dim
super(MyLayer, self).__init__(**kwargs)
def build(self, input_shape):
# 为该层创建一个可训练的权重
self.kernel = self
2022-02-09 12:29:50
54KB
1