Keras的深度强化学习 它是什么？ keras-rl在Python中实现了一些最先进的深度强化学习算法，并与深度学习库无缝集成。 此外， keras-rl可与一起使用。 这意味着评估和使用不同算法很容易。 当然，您可以根据自己的需要扩展keras-rl 。 您可以使用内置的Keras回调和指标，也可以定义自己的回调和指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可。 包含什么？ 到目前为止，已实现以下算法： 深度Q学习（DQN） ， Double DQN 深度确定性策略梯度（DDPG） 连续DQN（CDQN或NAF） 交叉熵方

年龄和性别检测 年龄和性别是两个重要的面部属性，在社交互动中起着非常重要的作用，因此从单张面Kong图像中估算年龄和性别成为智能应用程序中的重要任务，例如访问控制，人机交互，执法，营销情报和视觉监控等 卷积神经网络在该项目中用于检测人脸的年龄和性别。

基于Keras的TCN网络实现源代码，利用MNist数据集，构造TCN网络实现高识别率，是很好的学习例程。

keras搭建AlexNet网络，对猫狗图片进行二分类，附有24000张图片用作训练测试。

利用keras实现VGG16模型，对猫狗图片进行二分类，附有24000张图片作为训练测试

基于yolov3+tensorflow+keras实现吸烟的训练全流程及识别检测代码类 具体查看我的csdn博文

绘制Keras历史 用于打印python软件包 如何安装此软件包？ 和往常一样，只需使用pip下载即可： pip install plot_keras_history 测试覆盖率 由于某些软件处理覆盖率有时会略有不同，因此以下是其中三个： 用法 假设您有一个由函数my_keras_model生成的模型： 绘制训练历史 在以下示例中，我们将看到如何绘制以及显示或保存训练历史记录： from plot_keras_history import plot_history import matplotlib . pyplot as plt model = my_keras_model () history = model . fit (...) plot_history ( history ) plt . show () plot_history ( history , path =

用GoogleNet实现fashion_mist数据集，准确率91.3%,损失精度为47.3%

用keras实现resnet50,用的数据集是fashion_mnist 实现后准确率是91.3%，损失率是53.7%

u-net实现语义分割、keras框架、python 10个类别+1类背景信息、m2nist数据集 训练样本： train_x（4900，64，84） train_y（4900，64，84，11）