yolo_weights.h5

基于keras的Bert模型训练，实现了网络冻结，自定义实现余弦距离作为相似度任务。主要训练两句话的深度语义匹配；

bert模型训练，做回归任务，预测两句话的相似度；TensorFlow和keras单机四卡、多GPU训练模型代码，已经上线；

Keras implementation of "DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks"

Keras是用Python编写的高级神经网络API，能够在TensorFlow，CNTK或Theano之上运行。它的开发着重于实现快速实验。能够以最小的延迟将想法付诸实践是进行良好研究的关键。

主要介绍了Python3.7安装keras和TensorFlow经验，本文图文并茂给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下

CNN_Gesture一个实时的手势识别脚本 基于Opencv + keras的实时手势识别系统，准确率约96％，可录制数据集。 python3.6 + opencv + keras + numpy + PIL 运行“录制手势.py”，单击opencv的窗口，如果发现背景不够干净可以通过键盘按'b'重新设置背景。 键盘按'l'进入手势录制模式，一个手势录制完成训练集后会时段3s，再开始录制测试集。每个手势训练集+测试集录制结束后，键盘再按'l'会录制下一个手势，直到所有手势都录制完成。 全部训练手势录制完，按't'进行训练，模型训练结束会得到一下内容 模型的结构图 训练集和测试集的准确率和损失折线图 测试集的重新矩阵图 .h5后缀的模型 training.py如果已经包含数据集或使用上传的数据集，可以直接运行得到模型Forecast.py可以查看每个手势的预测准确率 获得模型后，预测手势

hand-keras-yolo3-recognize 模型训练参考：https://gitee.com/cungudafa/keras-yolo3 yolo3识别这里参考于：https://github.com/AaronJny/tf2-keras-yolo3

CycleGAN的Keras实现代码。CycleGAN 是一种无需成对示例便可自动进行图像到图像转换的技术。这些模型是采用一批无需关联的来自源域和目标域的图像，以一种无监督的方式训练的。

问题 我们使用anoconda创建envs环境下的Tensorflow-gpu版的，但是当我们在Pycharm设置里的工程中安装Keras后，发现调用keras无法使用gpu进行加速，且使用的是cpu在运算，这就违背了我们安装Tensorflow-gpu版初衷了。 原因 因为我们同时安装了tensorflow和tensorflow-gpu（在…Anaconda3\envs\fyy_tf\Lib\site-packages中可以找到他们的文件夹），使用keras时会默认调用tensorflow，从而无法使用GPU进行训练。 解决方法 同时卸载tensorflow、tensorflow-gpu 和