用keras模型实现猫狗二分类，分别用5000张猫和5000张狗进行训练，得出猫狗二分类的模型，模型在文件中，文件名为my_model.h5

深度学习教程，找国外的网上找到的资料（已翻译成中文），自己整理后，分享出来，对初学者特别有用，直接在Anaconda就可以调试，不过要自己先安装一下tensorflow2.0。强烈建议要有python基础，不需要很深入，能写简单python代码以及包的安装方可入门，否则不要浪费积分。里面用到keras框架。本教程主要是引导大家正确入门AI，0基础估计要学习1个月左右，学习完成后，估计大家就会对人工智能有一个正确的认识，里面含20多个代码案例，包含开发的各个环节。

检测图像目标的源程序 在kersa框架下运行。window即可

主要介绍了Keras中的多分类损失函数用法categorical_crossentropy，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

keras_20个模块脑图

RNN污染预测 使用简单的递归神经网络，Python和Keras的LSTM和GRU，预测北京市下一个小时，一周和一个月的污染。

在win7 64位，Anaconda安装的Python3.6.1下安装的TensorFlow与Keras，Keras的backend为TensorFlow。在运行Mask R-CNN时，在进行调试时想知道PyCharm (Python IDE)底部窗口输出的Loss格式是在哪里定义的，如下图红框中所示： 图1 训练过程的Loss格式化输出 在上图红框中，Loss的输出格式是在哪里定义的呢？有一点是明确的，即上图红框中的内容是在训练的时候输出的。那么先来看一下Mask R-CNN的训练过程。Keras以Numpy数组作为输入数据和标签的数据类型。训练模型一般使用 fit 函数。然而由于Mask

pytorch2keras - PyTorch到Keras模型转换工具

主要介绍了Keras 实现加载预训练模型并冻结网络的层，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

介绍 这是陆军研究实验室（ARL）EEGModels项目：用Keras和Tensorflow编写的用于EEG信号处理和分类的卷积神经网络（CNN）模型的集合。 该项目的目的是 提供一组经过验证的CNN模型用于脑电信号处理和分类 促进可重复的研究，并 使其他研究人员可以在其数据上尽可能轻松地使用和比较这些模型 要求 Python == 3.7或3.8 tensorflow == 2.X（已验证适用于2.0-2.3，适用于CPU和GPU） 要运行EEG / MEG ERP分类示例脚本，您还需要 mne> = 0.17.1 派里曼> = 0.2.5 scikit学习> = 0.20.1 m