通过Keras和tesorflow简单的几行代码，训练自己需要的模型，实现图像识别。包含数据集处理、模型训练、模型测试、模型查看、模型转换、模型迁移等等。Android实现智能识别，把Keras或Tensorflow训练的深度学习模型移植到Android上进行使用。
具体请参考发表的博客文章。
2021-05-24 15:18:13
2.35MB
1
利用基于tensorflow2的keras框架，搭建CNN卷积神经网络模型，对手写数字识别数据集mnist进行分类，网络规模小，训练精度高。网络包括三个卷积层，两个池化层和全连接层，在测试集上实现了99%左右的识别率。
2021-05-22 22:13:10
2KB
1
SSD预训练权重文件
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
2021-05-22 19:59:16
100.37MB
1
深度自编码器：把自编码器叠起来，资源为其Keras实现，详情可以参考博客：https://blog.csdn.net/didi_ya/article/details/117120829
2021-05-22 09:04:23
2KB
1
改代码可实现keras预测图像类别。基于python3，改代码具体讲解了如何输出预测类别，通过建立列表形式准确输出中文类别。
2021-05-17 20:44:26
541B
1
Keras常用内置数据集及用法-日月光华 数据集是用于深度学习 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术
2021-05-17 20:32:18
219.93MB
1