Bert4Keras-LZ 代码说明 本代码将将BERT，albert，Roberta预训练模型整合到wikisql与nl2sql表格数据集中，检验预训练模型对于表格问答的效果以下是对代码运行的说明。 环境配置 tensorflow == 1.14 keras == 2.2.4 bert4keras == 0.7.0 keras_bert == 0.80 python == 2.7 / 3.5 数据集下载 WikiSQL： : NL2SQL：无 文件运行 python wikisql_bert.py python nl2sql_bert.py 运行结果展示

图像矩阵matlab代码TheanoDeepWalk Brian Perozzi在Theano上进行的DeepWalk，可以对在多个GPU上的嵌入进行分布式培训。 同样，整个代码在后台使用Keras来构建模型的灵活版本。一旦Keras现在支持TensorFlow作为后端，您就可以使用此Google产品来训练如何嵌入图形。 也在计划中： 使用图集通过多模式辅助信息来增强基于Deepwalk的嵌入（使用暹罗网络） 多峰图形嵌入（文本，图形，图形拓扑等） DeepWalk使用简短的随机游走来学习图形中顶点的表示形式。 用法 示例用法$deepwalk --input example_graphs/karate.adjlist --output karate.embeddings --window-size=15 --representation-size=128 --workers=8 --number-walks=80 --input：input_filename 1. ``--format adjlist`` for an adjacency list, e.g:: 1 2 3 4 5

多层感知器MLP预测泰坦尼克号上旅客生存概率，使用Jupyter Notebook 编写的 Python代码，含建模及测试，代码注释清晰，十分适合新手

Keras混合物密度网络层 使用TensorFlow的发行模块的Keras的混合密度网络（MDN）层。 这使得使用神经网络进行实验变得更加简单，该神经网络预测了多个可能包含多个可能值的实值变量。 该层可以帮助构建类似于 ， ，甚至所使用的MDN- 。 您可以使用MDN做很多很酷的事情！ 此实现的一个好处是您可以预测任意数量的实值。 TensorFlow的Mixture ， Categorical和MultivariateNormalDiag分布函数用于生成损失函数（多元正态分布与对角协方差矩阵混合的概率密度函数）。 在以前的工作中，通常会手动指定损失函数，这对于1D或2D预测是合适的，但此后会变得更加烦人。 提供了两个重要的功能用于训练和预测： get_mixture_loss_func(output_dim, num_mixtures) ：此函数生成具有正确输出尺寸a和混合

根据已经训练好的word2vec词向量，对于文本相似度进行相关分析

变压器 该项目实施“注意就是您所需要的”论文。 我们提供了详细的指南，以了解变压器的概念和所需的Keras功能/技巧（请参阅Guide.md和Walkthrough.md）。 我们希望该软件和文档将使社区能够以更健壮和更快的方式创建和自动化自定义Keras图层/模型/解决方案。 我们还分享了可以通过DSL设置的机器翻译演示。 我们将不胜感激：） 如果可以训练任何大型模型并共享结果，那就太好了。 由于计算资源有限，目前无法测试。 尽管我们在开发过程中进行了正式和非正式的测试； 我们将不胜感激。 还有任何建议和要求。 如果您还有其他Keras技巧或替代方法，也请为文档做出贡献。 关键贡献 可以通过DSL定义模型训练和解码。 因此执行是自动化的。 从定制培训师那里抽象培训基础知识（检查点，工件管理等）。 为生成模型的生成器（所谓的inner-generator ）保留明确的接口

包括32*32尺寸的手写字数据集文件，含测试集和训练集 Keras深度学习通用框架 实现了基本的DNN和CNN 包括最优模型自动存储，学习率自动调节，模型测试，模型结果绘图

keras-unet-collection 所述tensorflow.keras实施U型网，V-净，U-净++，R2U网，注意力U形网，ResUnet-A，U ^ 2-Net和UNET 3+具有可选ImageNet训练有素骨架。 keras_unet_collection.models包含使用超参数选项配置keras模型的函数。 U-net，U-net ++，Attention U-net和UNET 3+支持预训练的ImageNet主干。 U-net ++，UNET 3+和U ^ 2-Net支持深度监督。 有关其他选项和用例，请参见《 》。 keras_unet_collection.models 名称 参考 unet_2d 网络 vnet_2d V-net（为2-d输入修改） unet_plus_2d U网++ r2_unet_2d R2U网 att

GANs的各种实现GANs的各种实现GANs的各种实现GANs的各种实现GANs的各种实现

Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码