榜单
服务器优惠
AI论文
-
Applications
Applications Available models Models for image classification with weights trained on ImageNet: Usage examples for image classification models Classify ImageNet classes with ResN... -
Core Layers
Dense Activation Dropout Flatten Input Reshape Permute RepeatVector Lambda ActivityRegularization Masking SpatialDropout1D SpatialDropout2D SpatialDropout3D [source]... -
贡献
关于 Github Issues 和 Pull Requests 漏洞报告 请求新功能 请求贡献代码 Pull Requests 合并请求 添加新的样例 关于 Github Issues 和 Pull Requests 找到一个漏洞？有一个新的功能建议？想要对代码库做出贡献？请务必先阅读这些。 漏洞报告 你的代码不起作用，你确定问题在... -
2 Tensorflow on Kubernetes
2 Tensorflow on Kubernetes 2.1 在 K8s 中安装 Tensorflow 2.2 运行 Tensorflow 深度学习示例 2.2.1 打开 Jupter 终端 2.2.2 使用 PIP 下载 KERAS 2.2.3 示例代码实现 2.2.4 运行深度学习服务 2 Tensorflow on Kubernet... -
2 Tensorflow on Kubernetes
2 Tensorflow on Kubernetes 2.1 在 K8s 中安装 Tensorflow 2.2 运行 Tensorflow 深度学习示例 2.2.1 打开 Jupter 终端 2.2.2 使用 PIP 下载 KERAS 2.2.3 示例代码实现 2.2.4 运行深度学习服务 2 Tensorflow on Kubernet... -
Sequential model
快速开始序贯（Sequential）模型 指定输入数据的shape 编译 训练 例子 基于多层感知器的softmax多分类： MLP的二分类： 类似VGG的卷积神经网络： 使用LSTM的序列分类 使用1D卷积的序列分类 用于序列分类的栈式LSTM 采用stateful LSTM的相同模型 快速开始序贯（Sequential）模型... -
正则化 Regularizers
正则化器的使用 例 可用的正则化器 开发新的正则化器 正则化器的使用 正则化器允许在优化过程中对层的参数或层的激活情况进行惩罚。 网络优化的损失函数也包括这些惩罚项。 惩罚是以层为对象进行的。具体的 API 因层而异，但 Dense ，Conv1D ，Conv2D 和 Conv3D 这些层具有统一的 API。 正则化器开放 3 个关键字... -
1. 常见深度学习框架
常用深度学习框架 2018.09.13 性能对比 1. 训练时间: Network DenseNet-121 (Multi-GPU) 2. 1000张图片推理时间(s): Network ResNet-50 3. CPU推理时间(s): E5-2630v4, Network FCN5 框架评价 推荐框架 1.Keras 2.TensorFlo... -
优化器 Optimizers
优化器的用法 Keras优化器的公共参数 SGD RMSprop Adagrad Adadelta Adam Adamax Nadam TFOptimizer 优化器的用法 优化器(optimizer)是编译Keras模型的所需的两个参数之一： from keras import optimizers model ... -
池化层
池化层 MaxPooling1D层 参数 输入shape 输出shape MaxPooling2D层 参数 输入shape 输出shape MaxPooling3D层 参数 输入shape 输出shape AveragePooling1D层 参数 输入shape 输出shape AveragePooling2D层 参数 输入...