baseline
import tensorflow.keras.layers as layers
baseline_model = keras.Sequential(
[
layers.Dense(16, activation='relu', input_shape=(NUM_WORDS,)),
layers.Dense(16, activation='relu'),
layers.Dense(1, activation='sigmoid')
]
)
baseline_model.compile(optimizer='adam',
loss='binary_crossen
2021-12-31 15:48:01
44KB
1
经过局部对比度标准化后的特征输入下采样层，为了保证不变性的同时获取较高的识别率，因此对池化层也进行多尺度的的变换，根据输出特征的维度相应调整池化层的采样间隔。其采样间隔越大输出特征映射图就越模糊，特征不变性就越强。经过下采样后将所有特征图传递给全连接层，用于下一步的目标分类识别。
2021-12-31 08:02:29
3KB
1
道路裂缝检测神经网络
使用 keras 构建的卷积神经网络以 97.5% 的准确率检测道路裂缝。 这个 repo 包含一个 jupyter notebook 文件，用于正确理解图像数据集和模型训练。
#数据集
2021-12-30 13:15:05
409KB
1
segmentation_models：具有预训练主干的细分模型。 Keras和TensorFlow Keras
2021-12-30 09:27:45
1.64MB
1
主要介绍了keras K.function获取某层的输出操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-12-29 20:37:07
48KB
1
典型相关分析matlab实现代码DCCA：深度规范相关分析
这是Python中的深度规范关联分析（DCCA或Deep
CCA）的实现。
它需要安装Theano和Keras库。
DCCA是CCA的非线性版本，它使用神经网络代替线性变换器作为映射函数。
DCCA最初是在以下论文中提出的：
Galen
Andrew，Raman
Arora，Jeff
Bilmes，Karen
Livescu，“”，ICML，2013年。
它使用带有Theano后端的Keras库，在Tensorflow后端上不起作用。
因为网络的丢失功能是由Theano编写的。
基本的建模网络可以轻松地被更高效，更强大的网络（如CNN）取代。
大多数配置和参数是根据以下文件设置的：
Wang
Weiran，Raman
Arora，Karen
Livescu和Jeff
Bilmes。
“”，ICML，2015年。
数据集
该模型是在MNIST数据集的嘈杂版本上评估的。
我完全按照本文介绍的方式构建了数据集。
训练/验证/测试段是MNIST的原始段。
数据集很大，无法在GitHub上上传。
因此它被上传到另一台服务器上。
第一次执
2021-12-29 19:37:22
8KB
1