keras实现简单CNN人脸关键点检测-附件资源

windows+TensorFlow/keras+vgg16训练自己的数据集-附件资源

颜色分类leetcode 模拟CLR SimCLRv1 的 Tensorflow-Keras 实现，它允许通过视觉表示对比学习的简单框架 (SimCLR) 来提高 base_model 的特征表示质量。 提供的代码应该允许将框架应用到任何 Keras 模型，只需稍作改动。 图 1 - SimCLR 图解 给定的实现允许使用 5% 的数据在训练的线性分类器上将 top-1 精度提高 17%。 此外，在使用 SimCLR 框架进行训练后，t-SNE 图显示了根据类别对特征进行清晰的聚类。 图 2.1 - SimCLR 之前 VGG16 特征的 t-SNE 图 2.2 - SimCLR 后 VGG16 特征的 t-SNE 可以通过以下笔记本重现此结果： 参考： ， ， 如何使用？ SimCLR = SimCLR(base_model, input_shape, batch_size, feat_dim, feat_dims_ph, num_of_unfrozen_layers, save_path) SimCLR.train 方法可用于通过传递类型的训练和验证数据来训练 SimCLR_mod

Attention：注意力机制在Keras当中的实现 目录 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 LSTM中的注意力机制 在本库中，我将注意力机制施加在LSTM的Step上，目的是注意输入进来的样本，每一个Step的重要程度。我们使用的样本数据如下： X = [[-21.03816538 1.4249185 ] [ 3.76040424 -12.83660875] [ 1. 1. ] [-10.17242648 5.37333323] [ 2.97058584 -9.31965078] [ 3.69295417 8.47650258] [ -6.91492102 11.00583167] [ -0.03511656 -

８．４．３　多邮递员问题 邮局有ｋ（ｋ≥２）位投递员同时投递信件，全城街道都要投递，完成任务后 返回邮局，如何分配投递路线，使得完成投递任务的时间最早？我们把这一 问题记成ＫＰＰ。 ＫＰＰ的数学模型如下： Ｇ（Ｖ，Ｅ）是连通图，ｖ０∈Ｖ（Ｇ），求Ｇ的回路Ｃ１，…，Ｃｋ，使得 （１）ｖ０∈Ｖ（Ｃｉ），ｉ＝１，２，…，ｋ； （２）ｍａｘ １≤ｉ≤ｋｅ∈Ｅ（Ｃｉ） ｗ（ｅ）＝ｍｉｎ； （３）∪ ｋ ｉ＝１ Ｅ（Ｃｉ）＝Ｅ（Ｇ）。 ·７５１·

本人在大学期间，学习深度学习图像、视频目标检测的一个成果。利用yolo3实现了城市交通目标检测，虽然准确率不算高，但可以提供给非大佬级别的同学参考学习一下。绝对真实。数据集太大，没上上去！

脑肿瘤检测 在Python中使用Keras进行深度学习的脑肿瘤分类 此存储库中的完整文档

CRNN-Keras-master.zip

模型是训练好的模型，准确率达到98%可以识别Truck、SUV、SportsCar、Car、Bus、MicroBus、Jeep这个几个类别的汽车，配合Keras_rerinanet加载使用。

最新keras