iT邦幫忙

keras相關文章
共有 46 則文章
鐵人賽 AI & Data DAY 15

達標好文 技術 [實戰系列] 使用 Keras 搭建一個 LSTM 魔法陣(模型)

[魔法陣系列] Recurrent Neural Network(RNN)之術式解析 中介紹了: Simple RNN LSTM GRU 本篇文章要帶各位見...

鐵人賽 AI & Data DAY 13

技術 [實戰系列] 使用 Keras 搭建一個 CNN 魔法陣(模型)

[魔法陣系列] Convolutional Neural Network(CNN)之術式解析 中提到 CNN 由下列所組成: Convolution Oper...

鐵人賽 AI & Data DAY 11

技術 [Day 11] 從零開始的 DenseNet 生活

0. 進度條 模型 進度 VGG Net (完成) ResNet (完成) DensNet (此篇) MobileNet (未完成)...

鐵人賽 AI & Data DAY 21

技術 [Day 21] 媽! Keras 和 TensorFlow 在亂存模型啦! ( TFLite 輕量模型)

前言 受惠於深度學習框架的多元性,開發者可以選自己喜歡的框架,像是: Theano、Caffe、ONNX、Keras、Tensorflow、Pytorch、DL...

鐵人賽 AI & Data DAY 17

技術 [Day 17] 我的資料哪有這麼平衡!第二季 (class weights)

前言 走過了資料分析、演算法選擇後,我們得知了有些可以改善模型的方向: 解決資料不平衡(Now) 學習率的設定(Not yet) 訓練輪數(Not yet)...

鐵人賽 AI & Data DAY 20

技術 [Day 20] 兩段式訓練比兩段式左轉更安全 (遷移學習技巧)

前言 走過了資料分析、演算法選擇後,我們得知了有些可以改善模型的方向: 解決資料不平衡(Done) 學習率的設定(Done) 訓練輪數(Nice to hav...

鐵人賽 AI & Data DAY 19

技術 [Day 19] 還是學不會,再縮小一點 ~ (學習率衰減)

前言 走過了資料分析、演算法選擇後,我們得知了有些可以改善模型的方向: 解決資料不平衡(Done) 學習率的設定(Now) 訓練輪數(To do) 模型深度(...

技術 【Ubuntu】在Ubuntu16.04上安裝Tensorflow

Anaconda+Tensorflow+keras 硬體環境 OS: Ubuntu16.04 CPU: I7 8700k GPU: 1080ti 下載並安裝 A...

鐵人賽 AI & Data DAY 20

技術 DAY22 類神經網路之架設與訓練

前面我們介紹了影像辨識的資料前處理方法,今天就要開始教大家架設一個神經網路,並將資料丟入來看看實際的效果,還不了解神經網路的運作概念可以先參考DAY19喔~...

鐵人賽 AI & Data DAY 9

技術 [Day 09] 從 tensorflow.keras 開始的 VGG Net 生活 (第二季)

2. VGG 實作(tensorflow) 2.1 南無觀世"import"啥? import itertools from sklearn...

鐵人賽 AI & Data DAY 8

技術 [Day 08] 從 tensorflow.keras 開始的 VGG Net 生活 (第一季)

-1. 序 OK,資料分析做完了,現在要進入演算法的部分,我們未來幾天將從經典卷積神經網路架構中,尋找適合FER2013資料集的演算法。最後經由實驗挑出最佳的C...

鐵人賽 AI & Data DAY 15

技術 [Day 15] 卷積類明星模型大亂鬥

前言 前幾天我介紹許多經典卷積神經網路架構,也順便等我的模型們都訓練完成。我總共訓練了9種模型,分別是VGG16, ResNet, ResNetv2, Dens...

鐵人賽 AI & Data DAY 24

技術 [神經機器翻譯理論與實作] 你只需要專注力(III): 建立更專注的seq2seq模型(續曲)

前言 今天我們將稍微講述 Luong 全域注意力機制的原理,並繼續用 Keras 來架構附帶注意力機制的 seq2seq 神經網絡。 Luong Attenti...

鐵人賽 AI & Data DAY 15

技術 [從Keras框架與數學概念了解機器學習] - 15. optimizer 與 learning_rate

本節要探討 optimizer 與 learning rate 有哪些初始設定方式,運作,與有什麼影響。 以上一節範例: import tensorflow...

鐵人賽 AI & Data DAY 22

技術 [Day 22] 卷積類明星模型大亂鬥 ! EFN特別版

1. 回顧 下列是過去十天我用各種技巧訓練的模型,只要該技巧對 val acc 或 val loss 有勝過 EFN_base,那我就會將其納入最後的模型實驗。...

鐵人賽 AI & Data DAY 4

技術 我們的基因體時代-AI, Data和生物資訊 Day04- 深度學習在基因體學的建模架構01

上一篇我們的基因體時代-AI, Data和生物資訊 Day03- 基因醫學的數據問題介紹了基因醫學中的數據問題,實際上面對DNA的序列ATCG,我們是在想什麼問...

鐵人賽 AI & Data DAY 5

技術 [從Keras框架與數學概念了解機器學習] - 5. Model Fit

當模型有成功compiler後,就可以透過 keras.engine.training.Model 的 fit 執行訓練。 Keras 官網範例: from...

鐵人賽 AI & Data DAY 8

技術 [從Keras框架與數學概念了解機器學習] - 8. Model Predict

此會觀察模型做預測或決定時大致上運作過程,它會怎麼進行。模型訓練好後,可以執行模型實體的 predict 函式來進行判斷訊號。 from tensorflow...

鐵人賽 AI & Data DAY 22

技術 【Day 22】Keras的優化器 Optimizer

今日大綱 SGD (Stochastic gradient descent) Momentum Adagrad( Adaptive gradient-base...

鐵人賽 AI/ ML & Data DAY 3

技術 【AI筆記】30天從論文入門到 Pytorch 實戰:Pytorch 訓練流程全解析 Day 2

本篇將會使用 Pytorch 官方所撰寫的 code 進行流程介紹 Pytorch 訓練流程 Custom Dataset: 定義數據集,讀取圖片和標籤。...

技術 Day31 參加職訓(機器學習與資料分析工程師培訓班),tf.keras & Pytorch

早上: Python機器學習套件與資料分析 今天也是練習CNN import os import cv2 parent_directory = './Afri...

鐵人賽 AI & Data DAY 6

技術 一、用skeleton code解釋tensorflow model程式執行方式(tf.keras) ep.5:解釋train.py

文章說明 文章分段 文章說明 簡介datasets 描述模型訓練的流程 程式架構:上程式的虛擬碼,預告要寫的檔案、功能有哪些 主程式的實際撰寫,註明程式開始不...

鐵人賽 AI & Data DAY 18

技術 [Day 18] 我會把我的over fitting,drop好drop滿

前言 走過了資料分析、演算法選擇後,我們得知了有些可以改善模型的方向: 解決資料不平衡(Done) 學習率的設定(To do) 訓練輪數(To do) 模型深...

鐵人賽 AI & Data DAY 16

技術 [從Keras框架與數學概念了解機器學習] - 16. 自定義 activation 與內建 activation

Layer指定使用哪種 activation 有下列方式 (這邊皆以 "relu" 來做範例) : (1) 指定函式名稱 'relu' (...

鐵人賽 AI & Data DAY 18

技術 [從Keras框架與數學概念了解機器學習] - 18. loss function 的使用與自定義方式

模型在做Compiler時,指定 loss function ,如下: model.compile(optimizer="rmsprop"...

鐵人賽 AI & Data DAY 17

技術 [從Keras框架與數學概念了解機器學習] - 17. 自定義Callback與如何應用

在模型做fit的章節,我們可以看到在訓練前會將Callback實體放入一個Container,然後於真正訓練迭代迴圈時使用。這邊會自定義Callback類別來...

技術 Day26 參加職訓(機器學習與資料分析工程師培訓班),Tensorflow.keras & Pytorch

上午: Python機器學習套件與資料分析挑幾個不錯的片段分享 # 儲存每個epoch的weights from tensorflow.keras.callb...

鐵人賽 AI & Data DAY 21

技術 [從Keras框架與數學概念了解機器學習] - 21. 實例應用-集團銷售資料分析

經過前20節的文章,了解模型訓練與預測相關運作後,接著實例應用並比較幾種損失函數與optimizer的搭配比較。這邊拿某集團企業的銷售資料訂單來做訓練範例。...

鐵人賽 AI & Data DAY 20

技術 [從Keras框架與數學概念了解機器學習] - 20. 使用 callbacks.ModelCheckpoint 求最佳模型

於此先了解一下 compiler 的 metrics 在模型fit之後的數量變化。 範例一,預設 metrics 內容 from tensorflow.k...

鐵人賽 AI & Data DAY 7

技術 [從Keras框架與數學概念了解機器學習] - 7. Model 的 Add 有效使用時機

前面文章在說明 Sequence 建構實例時,將layer物件陣列以建構子參數傳入後,Sequence 會自動將 layer物件陣列裡之物件逐一加入到kera...