分类：keras

2021
02-21

tensorflow2.0教程之Keras快速入门

Keras是一个用于构建和训练深度学习模型的高阶API。它可用于快速设计原型、高级研究和生产。keras的3个优点：方便用户使用、模块化和可组合、易于扩展1.导入tf.kerastensorflow2推荐使用keras构建网络，常见的神经网络都包含在keras.layer中(最新的tf.keras的版本可能和keras不同)importtensorflowastffromtensorflow.kerasimportlayersprint(tf.__version__)print(tf.keras.__version__)2.构建简单模型2.1模型堆叠最常见... 继续阅读 >

2020
10-24

浅析关于Keras的安装(pycharm)和初步理解

Keras是一个用Python编写的高级神经网络API，它能够以TensorFlow,CNTK,或者Theano作为后端运行。Keras的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。安装Keras兼容的Python版本:Python2.7-3.6。本人使用的是pycharm-2019.3版本第一步.直接在命令窗口下pipinstallkeras==2.1.6这里我之前设置了阿里的镜像,如果使用其他镜像,或者之前没设置镜像,可以使用命令pipi... 继续阅读 >

2020
10-08

keras分类之二分类实例(Cat and dog)

1.数据准备在文件夹下分别建立训练目录train，验证目录validation，测试目录test，每个目录下建立dogs和cats两个目录，在dogs和cats目录下分别放入拍摄的狗和猫的图片，图片的大小可以不一样。2.数据读取#存储数据集的目录base_dir='E:/pythonlearn/dog_and_cat/data/'#训练、验证数据集的目录train_dir=os.path.join(base_dir,'train')validation_dir=os.path.join(base_dir,'validation')test_dir=os.path.join... 继续阅读 >

2020
10-08

浅谈keras中Dropout在预测过程中是否仍要起作用

因为需要，要重写训练好的keras模型，虽然只具备预测功能，但是发现还是有很多坑要趟过。其中Dropout这个坑，我记忆犹新。一开始，我以为预测时要保持和训练时完全一样的网络结构，也就是预测时用的网络也是有丢弃的网络节点，但是这样想就掉进了一个大坑！因为无法通过已经训练好的模型，来获取其训练时随机丢弃的网络节点是那些，这本身就根本不可能。更重要的是：我发现每一个迭代周期丢弃的神经元也不完全一样。假若迭代500次... 继续阅读 >

2020
10-08

在keras中对单一输入图像进行预测并返回预测结果操作

模型经过训练测试之后，我们往往用一两张图对模型预测结果进行分析讨论，那么下面介绍在keras中用已训练的模型经过测试的方法。下面是以利用预训练的ResNet来展示预测的效果，选了一张狗的图片，是来自一个kaggle比赛的。预测结果第一个是一种苏格兰品种的狗，我也不知道准不准==。importnumpyasnpfromkeras.applications.imagenet_utilsimportdecode_predictionsfromkeras.preprocessingimportimagefromkeras.applica... 继续阅读 >

2020
10-08

利用keras使用神经网络预测销量操作

keras非常方便。不解释，直接上实例。数据格式如下：序号天气是否周末是否有促销销量1坏是是高2坏是是高3坏是是高4坏否是高5坏是是高6坏否是高7坏是否高8好是是高9好是否高10好是是高11好是是高12好是是高13好是是高14坏是是低15好否是高16好否是高17好否是高18好否是高19好否... 继续阅读 >

2020
10-08

keras实现VGG16 CIFAR10数据集方式

我就废话不多说了，大家还是直接看代码吧！importkerasfromkeras.datasetsimportcifar10fromkeras.preprocessing.imageimportImageDataGeneratorfromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Activation,Flattenfromkeras.layersimportConv2D,MaxPooling2D,BatchNormalizationfromkerasimportoptimizersimportnumpyasnpfromkeras.layers.coreimportLambdafromkerasimpor... 继续阅读 >

2020
10-08

keras实现VGG16方式(预测一张图片)

我就废话不多说了，大家还是直接看代码吧~fromkeras.applications.vgg16importVGG16#直接导入已经训练好的VGG16网络fromkeras.preprocessing.imageimportload_img#load_image作用是载入图片fromkeras.preprocessing.imageimportimg_to_arrayfromkeras.applications.vgg16importpreprocess_inputfromkeras.applications.vgg16importdecode_predictionsmodel=VGG16()image=load_img('D:\\photo\\dog.jpg',target... 继续阅读 >

2020
10-08

Keras预训练的ImageNet模型实现分类操作

本文主要介绍通过预训练的ImageNet模型实现图像分类，主要使用到的网络结构有：VGG16、InceptionV3、ResNet50、MobileNet。代码：importkerasimportnumpyasnpfromkeras.applicationsimportvgg16,inception_v3,resnet50,mobilenet#加载模型vgg_model=vgg16.VGG16(weights='imagenet')inception_model=inception_v3.InceptionV3(weights='imagenet')resnet_model=resnet50.ResNet50(weights='imagenet')mobilenet_... 继续阅读 >

2020
10-08

Keras构建神经网络踩坑(解决model.predict预测值全为0.0的问题)

终于构建出了第一个神经网络，Keras真的很方便。之前不知道Keras这么方便，在构建神经网络的过程中绕了很多弯路，最开始学的TensorFlow，后来才知道Keras。TensorFlow和Keras的关系，就像c语言和python的关系，所以Keras是真的好用。搞不清楚数据的标准化和归一化的关系，想对原始数据做归一化，却误把数据做了标准化，导致用model.predict预测出来的值全是0.0，在网上搜了好久但是没搜到答案，后来自己又把程序读了一遍，突然灵光... 继续阅读 >

2020
10-08

Keras loss函数剖析

我就废话不多说了，大家还是直接看代码吧~'''Createdon2018-4-16'''defcompile(self,optimizer,#优化器loss,#损失函数,可以为已经定义好的loss函数名称，也可以为自己写的loss函数metrics=None,#sample_weight_mode=None,#如果你需要按时间步为样本赋权（2D权矩阵），将该值设为“temporal”。默认为“None”，代表按样本赋权（1D权），和fit中sample_weight在赋值样本权重中配合使用weighted_metrics=None,target_tensors... 继续阅读 >

2020
10-08

keras 模型参数,模型保存,中间结果输出操作

我就废话不多说了，大家还是直接看代码吧~'''Createdon2018-4-16'''importkerasfromkeras.modelsimportSequentialfromkeras.layersimportDensefromkeras.modelsimportModelfromkeras.callbacksimportModelCheckpoint,Callbackimportnumpyasnpimporttflearnimporttflearn.datasets.mnistasmnistx_train,y_train,x_test,y_test=mnist.load_data(one_hot=True)x_valid=x_test[:5000]y_valid=y_test[:5... 继续阅读 >

2020
10-08

Keras模型转成tensorflow的.pb操作

Keras的.h5模型转成tensorflow的.pb格式模型，方便后期的前端部署。直接上代码fromkeras.modelsimportModelfromkeras.layersimportDense,Dropoutfromkeras.applications.mobilenetimportMobileNetfromkeras.applications.mobilenetimportpreprocess_inputfromkeras.preprocessing.imageimportload_img,img_to_arrayimporttensorflowastffromkerasimportbackendasKimportosbase_model=MobileNet((None... 继续阅读 >

2020
10-08

使用Keras训练好的.h5模型来测试一个实例

环境：python3.6+opencv3+Keras训练集：MNIST下面划重点：因为MNIST使用的是黑底白字的图片，所以你自己手写数字的时候一定要注意把得到的图片也改成黑底白字的，否则会识别错（至少我得到的结论是这样的，之前用白底黑字的图总是识别出错）注意：需要测试图片需要为与训练模时相同大小的图片，RGB图像需转为gray代码：importcv2importnumpyasnpfromkeras.modelsimportload_modelmodel=load_model('fm_cnn_BN.h5')#选... 继续阅读 >

2020
10-08

Keras实现DenseNet结构操作

DenseNet结构在16年由HuangGao和LiuZhuang等人提出，并且在CVRP2017中被评为最佳论文。网络的核心结构为如下所示的Dense块，在每一个Dense块中，存在多个Dense层，即下图所示的H1～H4。各Dense层之间彼此均相互连接，即H1的输入为x0，输出为x1，H2的输入即为[x0,x1]，输出为x2，依次类推。最终Dense块的输出即为[x0,x1,x2,x3,x4]。这种结构个人感觉非常类似生物学里边的神经元连接方式，应该能够比较有效的提高了网络中特征... 继续阅读 >

2020
10-08

使用keras实现非线性回归(两种加激活函数的方式)

我就废话不多说了，大家还是直接看代码吧~importkerasimportnumpyasnpimportmatplotlib.pyplotasplt#Sequential按顺序构成的模型fromkeras.modelsimportSequential#Sequential是模型结构，输入层，隐藏层，输出层#Dense全连接层,Activation激活函数fromkeras.layersimportDense,Activationfromkeras.optimizersimportSGDx_data=np.linspace(-0.5,0.5,200)#从-0.5到0.5范围内生成200个随机点noise=np.random.nor... 继续阅读 >