包含mnist数据集及相应的keras代码，可直接运行。使用前请阅读ReadMe.txt。MNIST数据集是深度学习领域Hello World级别的数据集。MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.

1.深度学习资料(猫狗数据集，代码，96准确率，ResNet网络实现)。 2.TensorFlow 教程以 Jupyter 笔记本格式编写而成。 3.您最好从用户友好的 Keras Sequential API 入手。您可以将各基础组件组合在一起来构建模型。 4.Keras 函数式 API 和子类化 API 提供了由运行定义的自定义和高级研究接口。您可以构建模型，然后编写前向传播和反向传播；还可以创建自定义层、激活函数和训练循环。 5.猫狗大战是 kaggle 的一个著名比赛项目，即编写一个算法使机器能够区分猫和狗（图片）。 6.猫狗识别是计算机视觉和卷积神经网络的入门项目。通过这个项目，初学者（我这种）7.能够很好地理解图像数据的结构。 这个项目的整体流程如下： 数据读入 数据清理 将图片与label对应 图片尺寸归一化 划分验证集、训练集 数据扩增 数据训练、观察学习过程、计算本地cv分数 预测、提交 8.数据来源：Kaggle在2013年公开的猫狗数据集，该数据集总共25000张图片，猫狗各12500张。

TensorFlow1.2-Kera2.0官方库文档中文版-高清PDF-带目录标签，比较好的入门指南，适合大家查阅和当做学习文档使用，方便打印

使用keras-bert实现 谭松波 酒店评论 文本分类（情感分析）-附件资源

指针网络 keras中的自定义层以实现指针网络解码器

利用keras框架来实现语义分割，进行更准确的图像识别

改代码可实现keras预测图像类别。基于python3，改代码具体讲解了如何输出预测类别，通过建立列表形式准确输出中文类别。

搭建一个RBF神经网络，初始值的初始化方法可以选择随机初始化法或者K-均值聚类法。

给大家分享一套课程——Keras深度学习入门与实战，完整版，提供源码、课件、数据。 本课程介绍深度学习和神经网络的概念，并使用keras框架带领同学们构建各种各样的机器学习网络和深度学习网络，非常适合入门学习。

植物病害分类 使用图像数据和神经网络对植物病害进行分类 该存储库包含用于训练几个深度卷积神经网络（CNN）的代码和相关分析，以识别14种作物物种和26种疾病。 使用在受控条件下收集并由PlantVillage项目提供的54306张患病和健康植物叶片图像的公共数据集对模型进行了训练。 评估了三种不同的方法来提高Mohanty等人报告的基线准确性。 在研究论文“将深度学习用于基于图像的植物病害检测”中，其中CNN模型也用于使用相同的数据集对植物病害进行分类。 研究的三种方法是“转移学习”，“单图像超分辨率”和“层次结构超类学习”，所有这些方法都集中于此数据集或图像分类问题所特有的特定组件。 项目组织 ├── LICENSE ├── Makefile <- Makefile with commands like `make data` or `make train` ├─