用keras写的google Wide&&Deep model

keras_CNN训练mnist手写训练集 在12次epoch下准确率为99.75%

这个资源复现的是MatchNet:Unifying Feature and Metric Learning for Patch-Based Matching。对于图像匹配在深度学习方面的应用。使用的是keras框架。具体实现可以看这篇博客https://blog.csdn.net/weixin_42521239/article/details/103989934

具有EDSR，WDSR和SRGAN的单图像超分辨率 基于的实现 （EDSR）的超分辨率挑战赛冠军。 （WDSR），是超分辨率挑战赛（真实轨道）的获胜者。 （SRGAN）。 这是对可用的基于Keras / Tensorflow 1.x的旧实现的完整重写。 某些部分仍在进行中，但是您已经可以通过高级培训API如本文中所述训练模型。 此外，您还可以在SRGAN上下文中EDSR和WDSR模型。 笔记本中提供了和示例 DIV2K自动下载给定比例（2、3、4或8）和降级运算符（“ bicubic”，“ unknown”，“ mild”或“ difficult”）的培训和验证图像。 重要提示：如果

主要介绍了Keras 加载已经训练好的模型进行预测操作，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

基于keras框架的22种Gan代码，有可跑例子，至于讲解，可以参考我的博客：https://blog.csdn.net/u013289254/category_9292290.html

Tensorflow 2 DA-RNN 的Tensorflow 2（Keras）实现， 论文： : 安装 pip install da-rnn 用法 from da_rnn import ( DARNN ) model = DARNN ( 10 , 64 , 64 ) y_hat = model ( inputs ) Python Docstring符号 在此项目的方法的文档字符串中，我们具有以下表示法约定： variable_{subscript}__{superscript} 例如： y_T__i表示 ，在时间T第i个预测值。 alpha_t__k表示 ，注意权重在时间t测量第k个输入特征（驾驶序列）的重要性。 DARNN（T，m，p，y_dim = 1） 以下（超级）参数的命名与本文一致，但本文未提及的y_dim除外。 T int窗口的长度（时间步长） m in

yolov4-keras-master.zip

使用keras版yolov3绘制loss曲线程序。将该文件替换掉原工程中的train.py，运行即可。

图像分割Keras：在Keras中实现Segnet，FCN，UNet和其他模型