使用tensorflow+keras+yolov4进行图片检测，这个是在此基础上进行模型训练和数据集准备，免去了训练的时间，直接进行检测。

keras创建多个输入以及混合数据(房子图片和数值属性作为混合数据)输入的神经网络模型；卷积回归模型代码，包含图片数据集和教程。

CIFAR 10 keras CNN模型 这是一个具有keras CNN模型和GUI接口的简单python项目，用于选择keras模型并测试该模型以对图像进行分类 用法 要训​​练新模型，您只需要运行train_model.py文件，如果您想更改训练的设置，就需要进行修改，并根据自己的喜好对其进行修改。 该模型现在的准确度达到80％以上，并且由于我没有Nvidia GPU，因此需要花费一段时间来训练该模型50个以上的时间，但是我敢肯定，将其运行更多的时间可以提高最终的准确度。 注意事项 我刚刚开始学习ML和深度学习，因此代码本身既不完美也不完全优化，但是可以随时对其进行改进！

移动到\Python\Python38\Lib\site-packages中即可使用，省去安装配置的过程。

一个集深度学习训练过程与缺陷检测过程为一体的界面，但是中间遇到许多问题，其中解决耗时最长的问题就是如何将深度学习训练过程实时显示在GUI界面的Textbrowser上，实现Textbrowser作为控制台输出的功能。原博客链接：https://blog.csdn.net/weixin_42532587/article/details/105689637

Learning to Compare Image Patches via Convolutional Neural Networks论文的复现代码，这是keras版本，具体怎么做的可以看这篇文章https://blog.csdn.net/weixin_42521239/article/details/103389033

糖尿病发作检测 @machinelearning{han2021cs, title={Diabetes Onset Detection using Keras Model}, author={Nguyen, Han}, year={2021}, associate={Personal Project} } 简要描述;简介 该项目是一个基于机器学习的应用程序，通过Keras模型和寻找最佳超参数的训练方法（使用网格搜索和scikit-learn并优化神经元数量）来预测个人是否患有糖尿病。 有关更多详细信息，请参阅《 我学到的是 在这个项目中，我利用自己的知识来构建Keras模型，以及对参数的不同更新（从学习率，辍学，激活，神经元初始化），以了解哪种方法可以产生最佳的准确性。 我还了解到，使用此模型，训练精度非常高； 但是，测试精度略低于80％。 这意味着我们在误报和误报方面

博客文章http://blog.csdn.net/hahajinbu/article/details/72877998配套代码

使用python和keras实现的手写数字识别，Jupyter Notebook格式，几乎每行代码都有注释，适合初学图像识别的小白。

在keras的loss库中添加rmse方法，成功使模型能正常使用rmse方法。在metrics.py文件上添加rmse方法后可以使用model.compile(loss='mse'，weighted_metrics=['rmse'])方法，可以在其他loss的条件下观测rmse的变化