注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. keras使用LeNet做人脸识别代码

  2. 博客文章http://blog.csdn.net/hahajinbu/article/details/72877998配套代码

  3. 所属分类：深度学习

    • 发布日期：2017-06-06
    • 文件大小：437kb
    • 提供者：hahajinbu

  1. Deep Learning with Keras代码

  2. Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码 Deep Learning with Keras代码

  3. 所属分类：深度学习

    • 发布日期：2017-09-21
    • 文件大小：78kb
    • 提供者：bronzels

  1. 神经网络入门代码

  2. 神经网络入门代码，keras实现，MNIST数据集识别，详情见博客：http://blog.csdn.net/adamshan/article/details/79004784

  3. 所属分类：深度学习

    • 发布日期：2018-01-08
    • 文件大小：4mb
    • 提供者：adamshan

  1. 机器学习Keras

  2. 基于Keras平台的机器学习代码，其中有CNN，RNN，LSTM等

  3. 所属分类：机器学习

    • 发布日期：2018-05-22
    • 文件大小：14kb
    • 提供者：u011520752

  1. python基于keras网络模型的车牌识别

  2. 基于python的利用keras网络模型的车牌识别，有完整的代码，包括图像预处理和训练完的模型。

  3. 所属分类：Python

    • 发布日期：2018-05-25
    • 文件大小：179mb
    • 提供者：weixin_38582851

  1. mnist数据集为keras

  2. keras的一个mnist例子，相当于学习keras的hello，world程序，具体代码见博客https://blog.csdn.net/andeyeluguo/article/details/80565012

  3. 所属分类：深度学习

    • 发布日期：2018-06-04
    • 文件大小：10mb
    • 提供者：andeyeluguo

  1. keras版本的Mash_RCNN源码，其中修改了官方例子的一些错误代码。

  2. 这个源代码是Mask_RCNN官网源代码，不过由于代码的不断升级，致使其例子程序有的跑不通了，这个是下载的源码并把其例子代码修改正确后的相应代码。其中主要的例子是【Mask_RCNN-master20180627\samples\shapes】目录下的形状识别。

  3. 所属分类：深度学习

    • 发布日期：2018-06-27
    • 文件大小：68mb
    • 提供者：yangdashi888

  1. 10行Python代码实现目标检测

  2. 10行Python代码实现目标检测,内含文档和安装实现教程，方便大家参考学习

  3. 所属分类：深度学习

    • 发布日期：2018-07-07
    • 文件大小：10mb
    • 提供者：tox33

  1. Attention(注意力机制代码)

  2. Attention.zip文件中总结了几种关于注意力机制的代码，有keras和tensorflow，还有PyTorch框架的

  3. 所属分类：深度学习

    • 发布日期：2018-07-16
    • 文件大小：5kb
    • 提供者：zds13257177985

  1. unet 视网膜 keras代码

  2. 视网膜分割的unet网络的代码，keras写的，可以运行（数据集自下）

  3. 所属分类：深度学习

    • 发布日期：2018-08-07
    • 文件大小：39mb
    • 提供者：zhongxincz

  1. 用 keras 进行机器学习实例

  2. Deep learning with keras 实例 和 程序代码 书籍 deep learning with Keras 中代码

  3. 所属分类：Python

    • 发布日期：2018-08-11
    • 文件大小：570kb
    • 提供者：c_duanmu

  1. 基于opencv、dlib、keras的情绪分析

  2. 代码思路：利用opencv、dlib、keras实现人脸识别、情绪分析

  3. 所属分类：机器学习

  1. 基于Keras的attention实战

  2. 该代码为基于Keras的attention实战，环境配置： Wn10+CPU i7-6700 、Pycharm 2018、 python 3.6 、、numpy 1.14.5 、Keras 2.0.2 Matplotlib 2.2.2 经过小编亲自调试，可以使用，适合初学者从代码的角度了解attention机制。

  3. 所属分类：深度学习

    • 发布日期：2018-08-21
    • 文件大小：1mb
    • 提供者：jinyuan7708

  1. Python-用于流行深度学习模型的Keras代码和权重文件

  2. 用于流行深度学习模型的Keras代码和权重文件

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：33kb
    • 提供者：weixin_39840387

  1. 数据增强代码data_augmentation.py

  2. 数据增强技术，采用开源框架keras代码库进行数据扩增，通过平移、旋转、裁剪、等方法对原始图像进行操作，得到更多的类似的目标图像。

  3. 所属分类：Python

    • 发布日期：2020-04-15
    • 文件大小：984byte
    • 提供者：MyGrit

  1. 浅谈keras 的抽象后端(from keras import backend as K)

  2. keras后端简介： Keras 是一个模型级库，为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等底层操作，目的也就是尽量不重复造轮子。 但是底层操作还是需要的， 所以keras 依赖于一个专门的、优化的张量操作库来完成这个操作。 我们可以简单的认为这是 Keras 的「后端引擎」， keras 有三个后端实现可用 、 即： TensorFlow 后端，Theano 后端，CNTK 后端。 如果你需要修改你的后端， 只要将字段 backend 更改为 theano 或 c

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：83kb
    • 提供者：weixin_38575421

  1. 用Keras搭建GAN：图像去模糊中的应用

  2. 2014年IanGoodfellow提出了生成对抗网络（GAN）。所有的Keras代码可GAN中两个网络的训练相互竞争。生成器（generator）合成具有说服力的假输入来误导判别器（discriminator），而判别器则是来识别这个输入是真的还是假的。训练过程主要有三步1.根据噪声，生成器合成假的输入2.用真的输入和假的输入共同训练判别器3.训练整个模型：整个模型中判别器与生成器连接注意：在第三步中，判别器的权重是固定的将这两个网络连接起来是由于生成器的输出没有可用的反馈。我们唯一的准则就是

  3. 所属分类：其它

  1. 深度学习模型：用于流行的深度学习模型的Keras代码和权重文件-源码

  2. 经过训练的Keras图像分类模型 此存储库已弃用。 立即使用MODULE的keras.applications 。 拉取请求将不会被审核或合并。 将任何PR keras.applications到keras.applications 。 也不监视问题。 该存储库包含以下Keras模型的代码： VGG16 VGG19 ResNet50 盗梦空间v3 CRNN用于音乐标记 所有架构都与TensorFlow和Theano兼容，并且在实例化时，将根据在~/.keras/keras.json

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：33kb
    • 提供者：weixin_42160645

  1. keras：人类的深度学习-源码

  2. Keras：Python深度学习 建设中 在不久的将来，该存储库将再次用于开发Keras代码库。 暂时， 代码库是在上开发的，任何PR或问题都应定向到那里。

  3. 所属分类：其它

  1. 用Keras搭建GAN：图像去模糊中的应用

  2. 2014年IanGoodfellow提出了生成对抗网络（GAN）。所有的Keras代码可GAN中两个网络的训练相互竞争。生成器（generator）合成具有说服力的假输入来误导判别器（discriminator ），而判别器则是来识别这个输入是真的还是假的。训练过程主要有三步1.根据噪声，生成器合成假的输入2.用真的输入和假的输入共同训练判别器3.训练整个模型：整个模型中判别器与生成器连接注意：在第三步中，判别器的权重是固定的将这两个网络连接起来是由于生成器的输出没有可用的反馈。我们唯一的准则就

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 31 »