Keras推荐系统的实现 该库包含Keras的修改版本（主要在layers / core.py中），用于实现各种推荐系统，包括深度结构化语义模型（DSSM），多视图DSSM（MV-DSSM），时态DSSM（TDSSM）和矩阵分解（MF）。 可以在examples /文件夹中找到示例。 联络人：杨松（Sonyisme AT google dot com） 主页： ： 例子 时态DSSM staticmodel = Sequential () staticmodel . add ( Dense ( 300 , 300 )) staticmodel . add ( Activation ( 'tanh' )) tempmodel = Sequential () tempmodel . add ( LSTM ( tempFea , 300 )) model = Sequential (

keras-yolov3权重文件

IMDB_Sentiment_Analysis 鉴于大量的在线评论数据（Amazon，IMDB等），情绪分析变得越来越重要。 在这个项目中，建立了一个情感分类器，用于评估一段文字的极性是正还是负。 情感分析是在Keras随附的IMDB数据集上完成的。 它由25,000个训练样本（其中20％是验证样本）和25,000个测试样本组成。 数据集中的所有单词均已预先标记。 使用自训练的单词嵌入（Keras嵌入层）。 我训练了不同的模型，其中一个模型包含一个LSTM层。 它在10个时元上的准确度为84％。 第二个示例由两组Conv1D和MaxPooling1D图层组成，后面是标准GRU图层。 观察到85％的准确性。 我已经将CuDNN层用于LSTM和GRU，因为它们在GPU上的速度比标准LSTM和GRU层快得多。 所有实现都是使用Keras进行的。 另一个具有RMS Prop精度的示例为84％，而

Keras-FasterRCNN 更快的R-CNN的Keras实现：通过区域提议网络实现实时目标检测。 克隆自 更新： 支持inception_resnet_v2 要在keras.application中将inception_resnet_v2用作特征提取器，请使用transfer / export_imagenet.py创建新的inception_resnet_v2模型文件 如果使用原始的inception_resnet_v2模型作为特征提取器，则无法在fast-rcnn上加载权重参数 用法： theano和tensorflow后端均受支持。 但是在theano中编译时间非常长，强烈建议使用Tensorflow。 train_frcnn.py可用于训练模型。 要训​​练Pascal VOC数据，只需执行以下操作： python train_frcnn.py -p /path/t

keras官方数据集 python版本 cifar10，Cifar-10 由60000张32*32的 RGB 彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类（姊妹数据集Cifar-100达到100类，ILSVRC比赛则是1000类）。

Keras 示例代码，包括CNN，LSTM，CNN-LSTM等，非常全面。(Keras sample code, including CNN, LSTM, CNN-LSTM, and so on, is very comprehensive.)

主要介绍了使用Keras 实现查看model weights .h5 文件的内容，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

FER-面部表情识别 这项工作是为了证明以下问题： : 使用卷积神经网络和OpenCV构建了实时面部检测器和情绪分类器。 CNN模型已经过调整，即使在低端设备上也具有出色的性能。 使用说明 按照进行神经网络训练。 文件结构： FER_CNN.ipynb-训练CNN的教程 FER.py-使用预先训练的模型进行推断 model.json-神经网络架构 weights.h5-训练过的模型权重 安装 建议使用Python虚拟环境。 用于模型预测 pip install -r requirements.txt 要么 pip install opencv-python pip instal

jena_climate_2009_2016耶拿天气数据集 耶拿天气数据集，《Python深度学习》数据集，用于训练循环神经网络

深度学习库Keras中的Sequential是多个网络层的线性堆叠，在实现AlexNet与VGG等网络方面比较容易，因为它们没有ResNet那样的shortcut连接。在Keras中要实现ResNet网络则需要Model模型。 下面是Keras的Sequential具体示例： 可以通过向Sequential模型传递一个layer的list来构造该模型： from keras.models import Sequential from keras.layers import Dense, Activation model = Sequential([ Dense(32, input_dim=7