榜单
服务器优惠
AI论文
-
池化层 Pooling
MaxPooling1D MaxPooling2D MaxPooling3D AveragePooling1D AveragePooling2D AveragePooling3D GlobalMaxPooling1D GlobalAveragePooling1D GlobalMaxPooling2D GlobalAveragePooling... -
编写你自己的层
编写你自己的Keras层 编写你自己的Keras层 对于简单、无状态的自定义操作，你也许可以通过layers.core.Lambda 层来实现。但是对于那些包含了可训练权重的自定义层，你应该自己实现这种层。 这是一个Keras2.0 中，Keras层的骨架（如果你用的是旧的版本，请你更新）。你只需要实现三个方法即可: build(input_s... -
Serving Design
Serving Design Background Consistent input data preprocessing for training and serving Export the model with elasticdl.layers.Embedding to SavedModel Execute task to save model ... -
正则项
正则项 例子 可用正则项 开发新的正则项 正则项 正则项在优化过程中层的参数或层的激活值添加惩罚项，这些惩罚项将与损失函数一起作为网络的最终优化目标 惩罚项基于层进行惩罚，目前惩罚项的接口与层有关，但Dense, Conv1D, Conv2D, Conv3D 具有共同的接口。 这些层有三个关键字参数以施加正则项： kernel_regu... -
模型（Model）与层（Layer）
模型（Model）与层（Layer） 模型（Model）与层（Layer） 在 TensorFlow 中，推荐使用 Keras（ tf.keras ）构建模型。Keras 是一个广为流行的高级神经网络 API，简单、快速而不失灵活性，现已得到 TensorFlow 的官方内置和全面支持。 Keras 有两个重要的概念： 模型（Model） 和 ... -
预训练模型 Applications
应用 Applications 可用的模型 在 ImageNet 上预训练过的用于图像分类的模型： 图像分类模型的示例代码 使用 ResNet50 进行 ImageNet 分类 使用 VGG16 提取特征 从VGG19的任意中间层中抽取特征 在新类上微调 InceptionV3 通过自定义输入 tensor 构建 InceptionV3 模... -
Datasets
Datasets CIFAR10 small image classification Usage: CIFAR100 small image classification Usage: IMDB Movie reviews sentiment classification Usage: Reuters newswire topics class... -
初始化方法
初始化方法 Initializer 预定义初始化方法 Zeros Ones Constant RandomNormal RandomUniform TruncatedNormal VarianceScaling Orthogonal Identiy lecun_uniform lecun_normal glorot_normal g... -
Visualization
Model visualization Training history visualization Model visualization Keras provides utility functions to plot a Keras model (using graphviz ). This will plot a graph of the... -
Get Started
Getting started with Keras model import Getting started with Keras model import Below is a video tutorial demonstratingworking code to load a Keras model into Deeplearning4j a...