文件名称：keras-tutorials-lite:基于Keras TensorFlow的转移学习图像分类的教程材料
文件大小：78.06MB
文件格式：ZIP
更新时间：2024-04-26 08:55:55
JupyterNotebook
使用Keras从预先训练的模型中进行深度学习 抽象的 ImageNet是图像识别基准数据集*，有助于引发现代AI爆炸式增长。 在2012年，AlexNet架构（一个深度的卷积神经网络）震惊了ImageNet基准测试竞赛，轻松击败了第二佳的进入者。 到2014年，所有领先的竞争对手都基于深度学习。 从那时起，准确性得分不断提高，最终超过了人类的表现。 在本动手教程中，我们将基于这项开创性工作来创建我们自己的神经网络体系结构以进行图像识别。 参与者将使用优雅的Keras深度学习编程界面来构建和训练TensorFlow模型，以在CIFAR-10 / MNIST数据集*上进行图像分类任务。 我们将演示转移学习的用法（通过在现有ImageNet预先训练的网络层*之上构建网络，使我们的网络具有领先优势），并探索如何提高标准深度学习管道的模型性能。 我们将使用基于云的交互式Jupyter笔记本逐步进行
【文件预览】：
keras-tutorials-lite-master
----.gitignore(716B)
----environment-gpu.yml(644B)
----datasets()
--------README.md(1KB)
--------mnist()
----models()
--------vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5(56.16MB)
----LICENSE(1KB)
----notebooks()
--------keras-transfer-learning-tutorial.ipynb(95KB)
--------verify_runtime.py(1KB)
--------histogram_utils.py(2KB)
--------cache_utils.py(2KB)
--------keras-mnist-kaggle-exercise.ipynb(59KB)
----README.md(3KB)
----environment.yml(551B)