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

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