下载好的Keras的Fashion MINIST数据集，解压到%UserProfile%\.keras\目录下，也就是C:\Users\\.keras\ 参考文章：https://blog.csdn.net/hansel/article/details/89430423

Font_Recognition-DeepFont：它是DeepFont的一种实现：使用Keras从图像中识别字体

Keras / Tensorflow中具有深度学习的食物分类 电脑，我到底在吃什么？ from IPython . display import HTML , Image url = 'http://stratospark.com/demos/food-101/' el = '<' + 'iframe src="{}"' . format ( url ) + ' width="100%" height=600></iframe>' # prevent notebook render bug HTML ( el ) <iframe src =“ ” width =“ 100％” height = 600> </ iframe> 如果您在GitHub上阅读此内容，则演示看起来像这样。 请点击下面的链接在我的博客上观看现场演示。 Image ( 'demo.jpg' ) 可用演示@ 可用代码@ 更新 2017年3月22日，了解如何在移动应用中使用此模型： : 介绍 卷积神经网络（CNN）是更广泛的深度学习领域中的一项技术，在计算机视觉应用程序中，尤其是在过去的大约十年中，已

根据男女性别图像训练keras分类器，在视频流上采集人脸，判断性别，程序采用Python编写，含有收据集

环境描述     操作系统：windows10     开发语言：python3.7.6     深度学习后端：tensorflow2.1.0     深度学习前端：keras（ts内嵌的keras）     显卡：GTX1050TI（安装cuda）     一、准备数据     从百度或谷歌上搜火、火焰、火灾等图片，建立两个文件夹（因为是二分类问题，有火or无火）fire和nofire。效果如下：     截图的文件夹分为conv和不带conv的文件夹，其实是火和无火的图片是经过多次添加的，因为训练数据的过程中会发现某些图片识别效果不是很好，所以得在训练样本中增加特定的图片（比如初次训练的

表情符号2vec 这是我对Ben Eisner，TimRocktäschel，Isabelle Augenstein，Isabelle Augenstein，MatkoBošnjak和Sebastian Riedel在其论文中提出的表情符号嵌入进行训练，可视化和评估的尝试 。 他们的大多数结果都在此处用于在Keras中构建等效健壮的模型，包括仅基于表情符号描述的相当简单的训练过程，但是此版本使用全局向量而不是使用word2vec（最初提出的） 。 总览 包含用于处理表情符号描述以及训练和评估表情符号嵌入的代码 包含用于训练表情符号嵌入的正样本和负样本（发起）以及表情符号频率列表； 它还应在名

下面将升级代码到TensorFlow 2.x版本的方法汇总起来，有如下几点。 1.最快速转化的方法 在代码中没有使用contrib模块的情况下，可以在代码最前端加上如下两句，直接可以实现的代码升级。 import tensorflow.compat.v1 as tftf.disable_v2_behavior() 这种方法只是保证代码在TensorFlow 2.x版本上能够运行，并不能发挥TensorFlow的最大性能。 2.使用工具进行转化的方法 在代码中没有使用contrib模块的情况下，用tf_upgrade_v2工具可以快速实现代码升级。当然tf_upgrade_v2工具并不是万能的

基于keras_Realtime_Multi-Person_Pose_Estimation进行性能分析-附件资源

基于python的利用keras网络模型的车牌识别，有完整的代码，包括图像预处理和训练完的模型。

使用LSTM预测股价案例，超级精简，便于理解，是LSTM入门的好案例。