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. MachineLearning-master-python.zip

  2. 属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

  3. 所属分类：专业指导

    • 发布日期：2016-07-04
    • 文件大小：1mb
    • 提供者：qq_33042687

  1. keras层可视化demo

  2. keras实现层可视化，输出每一层的特征图，使用jupyter notebook

  3. 所属分类：机器学习

    • 发布日期：2018-10-25
    • 文件大小：121kb
    • 提供者：weixin_41864878

  1. Convnet_Visualization.ipynb

  2. 基于Tensorflow2.0 的卷积神经网络可视化，通过迁移学习tf.keras.applications.VGG16 对任意图像输入网络，查看卷积过程中，中间特征层可视化结果

  3. 所属分类：交通

    • 发布日期：2020-05-02
    • 文件大小：18mb
    • 提供者：Forrest97

  1. Keras卷基层特征可视化，混淆矩阵绘制

  2. 该代码可以实现Keras卷积层特征的可视化，两种混淆矩阵绘制。可以观察深度学习中特定层的输出特征，评判分类模型的分类性能。

  3. 所属分类：互联网

    • 发布日期：2020-04-27
    • 文件大小：5kb
    • 提供者：qq_40784418

  1. visualize_feature_map.py

  2. 借助Keras和Opencv实现的神经网络中间层特征图的可视化功能，方便我们研究CNN这个黑盒子里到发生了什么

  3. 所属分类：深度学习

    • 发布日期：2020-03-09
    • 文件大小：2kb
    • 提供者：chenvvenxin

  1. keras 特征图可视化实例(中间层)

  2. 今天小编就为大家分享一篇keras 特征图可视化实例(中间层)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：84kb
    • 提供者：weixin_38617615

  1. keras得到每层的系数方式

  2. 使用keras搭建好一个模型，训练好，怎么得到每层的系数呢： weights = np.array(model.get_weights()) print(weights) print(weights[0].shape) print(weights[1].shape) 这样系数就被存放到一个np中了。 补充知识：使用keras框架编写的深度模型 输出及每一层的特征可视化 使用训练好的模型进行预测的时候，为分析效果，通常需要对特征提取过程中的特征映射做可视化操作 本文以keras为例，对特征可视化

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：176kb
    • 提供者：weixin_38500090

  1. 神经网络的三种可视化方法——使用keras和MXNet(gluon)实现

  2. 神经网络的三种可视化方法——用keras和MXNet(gluon)实现 目录神经网络的三种可视化方法——用keras和MXNet(gluon)实现概述keras实现keras特征图可视化keras可视化滤波器(卷积核)的最大响应图keras可视化热力图MXNet(Gluon)实现Gluon可视化特征图Gluon可视化滤波器(卷积核)的最大响应图Gluon可视化热力图 keras之父弗朗西斯科肖莱在他的书中提到了CNN的三种常用可视化方法, 同样的算法原理在李宏毅深度学习教程的Explainabl

  3. 所属分类：其它

  1. keras 特征图可视化实例(中间层)

  2. 鉴于最近一段时间一直在折腾的CNN网络效果不太理想，主要目标是为了检测出图像中的一些关键点，可以参考人脸的关键点检测算法。 但是由于从数据集的制作是自己完成的，所以数据集质量可能有待商榷，训练效果不好的原因可能也是因为数据集没有制作好（标点实在是太累了）。 于是想看看自己做的数据集在进入到网络后那些中间的隐藏层到底发生了哪些变化。 今天主要是用已经训练好的mnist模型来提前测试一下，这里的mnist模型的准确度已经达到了98%左右。 使用的比较简单的一个模型： def simple_cnn(

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：89kb
    • 提供者：weixin_38517904

  1. 对目标人脸检测+识别（Python + OpenCV + Keras ）

  2. 实现目标：在茫茫人海中一眼相中她（在数据库中找出目标人脸） 解决思路：Input > 人脸检测 > 人脸识别 > Output Input：可上接 视频流 实现实时检测 Output：可下接 人脸检测框 可视化 所需工具：Python + OpenCV + Keras Step1：人脸检测 现在有众多包含人脸的照片（数据来源于百度图片），我们要检测出图片中的人脸，并切出来保存。 包含目标人脸的照片 进行了两种人脸检测方案的测试，如下： 1·OpenCV_haarcasc

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：899kb
    • 提供者：weixin_38704922

  1. S-autoencoder-showcase:论文“在特征学习应用中使用自动编码器的展示”的补充源代码-Show source code

  2. 自动编码器展示柜 欢迎来到论文“在特征学习应用中使用自动编码器的展示”的补充实验 使用以下方法安装此软件包： devtools :: install_github( " ari-dasci/autoencoder-showcase " ) 在此软件包中，您将找到4个主要功能： anomaly_detection() 创建具有异常区域的合成多值时间序列并执行异常检测。 visualization() 下载Statlog数据集并将其压缩为2维和3维以进行可视化。 hashing() 从Ke

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：14kb
    • 提供者：weixin_42128963

  1. imageclassification:深度学习-源码

  2. Keras的实用图像分类： 你好科拉布 影像分类 预训练的特征化 转移学习 基于特征的图像搜索 01 HelloColab.ipynb 基本的Colab演示 02 ImageClassification.ipynb 在这段代码中，我们将实现一个基本的图像分类器： 加载数据集（MNIST手写数字） 设计深度学习模型并检查其可学习的参数 在训练数据上训练模型并检查学习曲线 根据从未见过的测试数据评估经过训练的模型 保存模型以备后用 加载并使用模型 03 PretrainedFeatureV

  3. 所属分类：其它

  1. Feature-Engineering-NLP：借助HuggingFace变压器，Tensorflow，Keras，TextBlob，NLTK，Sci-kit学习等进行功能工程-源码

  2. 功能工程-NLP 请在这里找到我的项目，以观察性能分析报告和交互式可视化效果： : 文本数据种类繁多，但原始形式却杂乱无章。 因此，特征工程是训练机器根据给定数据进行预测之前的重要步骤。 在我的笔记本中，我探索了许多预处理和功能工程技术，以从一系列虚假和真实的新闻数据中获取见解。 数据集： 使用的库： NLTK TextBlob 凯拉斯 张量流 HuggingFace变形金刚 正则表达式 大熊猫 科学工具学习 探索的功能： 情感主观性与极性 删除停用词，标点符号和降低的大小写：

  3. 所属分类：其它

  1. Reframe-Visualization：Keras Scikit-learn中非官方的Reframe Visualization实现-源码

  2. 重新构图 重新框架可视化在Keras / Scikit-learn中的非正式实现。 原始版本是用Perfume电影实现的，但我们重新（出于版权原因）。 概要 介绍 使用神经网络嵌入特征，并使用t-SNE可视化方法。 最初是由Google实现的。 这是一个非正式的实施指南。 下载视频并提取图像（download_youtube.py） 创建元数据（metadata.py） 获取潜在特征向量并通过t-SNE嵌入（embedding.py） 参考 香水とライゾマティクスの新たな试みを支えるGoo

  3. 所属分类：其它

  1. tensorspace：神经网络3D可视化框架，在浏览器中构建交互式直观模型，支持TensorFlow，Keras和TensorFlow.js的预训练深度学习模型-源码

  2. TensorSpace.js 当前空间中的张量 English | TensorSpace是使用TensorFlow.js，Three.js和Tween.js构建的神经网络3D可视化框架。 TensorSpace提供类似于Keras的API，以构建深度学习层，加载预训练的模型并在浏览器中生成3D可视化。 通过TensorSpace，直观了解模型结构是什么，如何训练模型以及模型如何基于中间信息来预测结果。 在对模型进行预处理之后，TensorSpace支持可视化来自TensorFlow，Ker

  3. 所属分类：其它

  1. capstone:才云与InfoQ合作推出的Capstone课程项目。此处放置课程大纲，数据及源码-源码

  2. 顶石 才云与InfoQ合作推出的Capstone课程项目。此处放置课程大纲，数据及源码 目录结构 ├── code 代码 │   ├── 0.keras-lstm.ipynb 基于keras开发的LSTM模型 │   ├── 0.keras-lstm.py │   ├── 0.tflearn-lstm.ipynb 基于tflearn开发的LSTM模型 │   ├── 0.tflearn-lstm.py │   ├── 1.data-analysis.ipyn

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：14mb
    • 提供者：weixin_42097369