Keras 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
Keras 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
Keras 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
Keras 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
Keras 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !
授权协议 MIT
开发语言 Python 查看源码 »
操作系统 跨平台
软件类型 开源软件
开源组织
地区 不详
适用人群 未知
收录时间 2016-08-12

软件简介

Keras是一个极简的、高度模块化的神经网络库,采用Python(Python 2.7-3.5.)开发,能够运行在TensorFlowTheano任一平台,好项目旨在完成深度学习的快速开发。

特性:

  • 可以快速简单的设计出原型(通过总模块化、极简性、和可扩展性)

  • 同时支持卷积网络和循环网络,以及两者的组合

  • 支持任意的连接方案(包括多输入和多输出)

  • 支持GPU和CPU

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
发表了资讯
2019/09/18 07:14

Keras 2.3.0 发布,后续将被 tf.keras 取代

Keras 2.3.0 发布了(multi-backend Keras)。Keras 是一个极简的、高度模块化的高级神经网络库,采用 Python 开发,能够运行在 TensorFlow、CNTK 和 Theano 平台上。 2.3.0 是第一个支持 TensorFlow 2.0 的 multi-backend Keras 版本,它兼容 TensorFlow 1.14、1.13 以及 Theano 和 CNTK。此版本 API 与 TensorFlow 2.0 中的 tf.keras API 同步。但需要注意的是,它不支持大多数 TensorFlow 2.0 功能,包括 Eager Execution。如...

0
3
发表了资讯
2018/01/20 07:19

Keras 2.1.3 发布,高度模块化的神经网络库

Keras 是一个极简的、高度模块化的神经网络库,采用 Python 开发,能够运行在 TensorFlow、CNTK 和 Theano 平台上。 Keras 2.1.3 已发布,包括: 性能改进 可用性改进 文档和文档字符串改进 新增 applications 模块模型 Bug 修复 API 更改 详情可查阅发行列表。 下载地址: Source code (zip) Source code (tar.gz)...

0
8
发表了资讯
2017/12/06 07:44

Keras 2.1.2 发布,高度模块化的神经网络库

Keras 是一个极简的、高度模块化的神经网络库,采用 Python 开发,能够运行在 TensorFlow、CNTK 和 Theano 平台上。Keras 2.1.2 更新如下: 改进 Bug 修复和性能改进。 Keras 应用、生成器方法的 API 改进。 API 更改 Make preprocess_input in all Keras applications compatible with both Numpy arrays and symbolic tensors (previously only supported Numpy arrays). Allow the weights argument in all Keras applicati...

1
12
发表了资讯
2017/08/23 07:47

Keras 2.0.7 发布,神经网络库

Keras 2.0.7 发布了。Keras是一个极简的、高度模块化的神经网络库,采用Python(Python 2.7-3.5.)开发,能够运行在TensorFlow和Theano任一平台,好项目旨在完成深度学习的快速开发。 各项主要改进方面如下: 修复漏洞; 性能提升; 文件改善; 为在 TensorFlow 的数据张量(比如 Datasets, TFRecords)上训练模型提供了更好的支持。添加了一个相关案例文本; 提升 TensorBoard 用户体验——对 ops 更好地用名称范围进行分组; ...

6
30
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
发表了博客
2019/05/17 21:31

keras

The First Column The Second Column sqeue = sqeue(Input=sqeue.input, output=predictions) bug bug:cv2.imshow() categorical_crossentropy categorical_crossentropy weight_decay:权衰量,用于防止过拟合 include_top=False keras densenet中的 bottleneck keras densenet中的 bottleneck keras densenet中的 bottleneck 通过上述简单论述我们看到使用<br>Bottleneck设计也可以有效减少全连接数量,<br>让神经网络更高效地前...

0
0
发表了博客
2019/06/27 16:26

Keras

一. Backend: 这个模块的主要作用,是对tensorflow和theano的底层张量运算进行了包装。用户不用关心具体执行张量运算的是theano还是tensorflow,就可以编写出能在两个框架下可以无缝对接的程序。 j介绍几个有用的函数: 1. function:毫无疑问这估计是最有用的一个函数了,function用于将一个计算图(计算关系)编译为具体的函数。典型的使用场景是输出网络的中间层结果。 2. int_shape:用于以整数tuple的形式返回张量的shape...

0
0
发表了博客
2019/02/14 20:38

keras_1_Keras_Model简介

1. keras模型官方实现的Model 在 Keras 中有两类主要的模型:Sequential 顺序模型 和 使用函数式 API 的 Model 类模型。 两类模型的方法和属性大致相同: model.layers 是包含模型网络层的展平列表。 model.inputs 是模型输入张量的列表。 model.outputs 是模型输出张量的列表。 model.summary() 打印出模型概述信息。 它是 utils.print_summary 的简捷调用。 model.get_config() 返回包含模型配置信息的字典。通过以下代码,就...

0
0
发表了博客
2019/02/14 20:51

keras_12_keras自带的Applications

1. 关于Application Keras 的应用模块(keras.applications)提供了带有预训练权值的深度学习模型,这些模型可以用来进行预测、特征提取和微调(fine-tuning)。当你初始化一个预训练模型时,会自动下载权值到 ~/.keras/models/ 目录下。 2. keras内置的Model 在 ImageNet 上预训练过的用于图像分类的模型: VGG16 VGG19 Xception ResNet50 InceptionV3 InceptionResNetV2 MobileNet DenseNet NASNet 所有的这些模型(除了 Xc...

0
0
发表了博客
2019/02/14 20:41

keras_4_关于Keras的Layer

1. 公共函数 layer.get_weights(): 以含有Numpy矩阵的列表形式返回层的权重。 layer.set_weights(weights): 从含有Numpy矩阵的列表中设置层的权重(与get_weights的输出形状相同)。 layer.get_config(): 返回包含层配置的字典。此图层可以通过以下方式重置: layer = Dense(32) config = layer.get_config() reconstructed_layer = Dense.from_config(config) # 或者 from keras import layers config = layer.get_config() l...

0
0
2018/03/27 00:07

keras

import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential from keras.layers import Dense, Activation from keras.optimizers import SGD, RMSprop from keras.models import load_model (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train = x_train.reshape(x_train.shape[0], -1) / 255 x_test = x_test.reshape(x_test.shape[0], -...

0
0
发表了博客
2018/02/23 15:34

keras安装

http://keras-cn.readthedocs.io/en/latest/for_beginners/keras_windows/ 在anaconda3下,anaconda3建议安装4.2.0版本 1.pip install keras 2.import keras报错ImportError: No module named 'tensorflow' 安装tensorflow # GPU 版本 >>> pip install --upgrade tensorflow-gpu (目前tensorflow-gpu版本只支持python3.5.2,可以直接将anaconda的python版本进行降级,使用命令:conda install python=3.5.2,降级之后再安装tenso...

0
0
发表了博客
2018/03/05 20:08

Keras教程

In this step-by-step Keras tutorial, you’ll learn how to build a convolutional neural network in Python! In fact, we’ll be training a classifier for handwritten digits that boasts over 99% accuracy on the famous MNIST dataset. Before we begin, we should note that this guide is geared toward beginners who are interested in applied deep learning. Our goal is to introduce you to one of the most...

0
0
发表于开发技能专区
2019/07/20 07:00

keras入门

点击上方 毛利学python,选择置顶或星标 第一时间送达Python 技术干货! 深度学习 深度学习(Deep Learning, DL)或阶层学习(hierarchical learning)是机器学习的技术和研究领域之一,通过建立具有阶层结构的人工神经网络(Artifitial Neural Networks, ANNs),在计算系统中实现人工智能。由于阶层ANN能够对输入信息进行逐层提取和筛选,因此深度学习具有表征学习(representation learning)能力 ,可以实现端到端的监督学习...

0
0
发表了博客
2019/04/16 18:16

keras使用

一、pad_sequences from keras.preprocessing.sequence import pad_sequences  keras只能接受长度相同的序列输入。因此如果目前序列长度参差不齐,这时需要该模块  该函数是将序列转化为经过填充以后的一个长度相同的新序列新序列 二、keras中的Sequential模型  Sequential更准确的应该理解为堆叠,通过堆叠许多层,构建出深度神经  Sequential模型的核心操作是添加layers(图层),以下展示如何将一些最流行的图层添加到...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
2020/05/12 08:29

两块RTX1660Ti组成的显卡与单块RTX2080Ti显卡有什么区别

想组一台深度学习机,但预算有限只能购买便宜的显卡,RTX1660Ti显存6G,如果买两块RTX1660Ti显卡那显存不就有12G了,但是这样比单块的RTX2080Ti显存11G有优势吗?

2
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
0 评论
65 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部