Keras深度学习实战（26）——文档向量详解
本节中，我们首先介绍了文档向量概念提出的背景，然后介绍了文档向量的基本概念以及如何生成文档向量，并了解了构建文档向量的策略，最后使用 Keras 从零开始实现了文档向量生成模型，并使用航空公司的 Twitter 数据集训练得到了数据集的文档向量。
使用PyTorch和Keras实现 pix2pix GAN
对比两个框架实现同一个模型到底有什么区别？
tqdm高级使用方法(类keras进度条)
在很多场景，我们希望对一个进度条标识其运行的内容()，同时也希望在进度条中增加一些信息，如模型训练的精度等。本文就将基于tqdm，在实际应用中充实进度条。
Keras深度学习实战（14）——从零开始实现R-CNN目标检测
R-CNN 是基于候选区域的经典目标检测算法，其将卷积神经网络引入目标检测领域。本文首先介绍了 R-CNN 模型的核心思想与目标检测流程，然后使用 Keras 从零开始实现了一个基于 R-CNN 的目标检测模型，最后介绍了非极大值抑制用于移除相似的预测边界框。......
Keras深度学习实战（13）——目标检测基础详解
目标检测一直是计算机视觉领域最具有挑战性的问题之一，同时也是具有广泛应用场景的任务之一。本节中，首先介绍了目标检测的基本概念，然后介绍了如何制作用于训练目标检测模型的数据集，最后讲解了如何生成候选区域和常用于目标检测模型性能评估的指标。通过介绍目标检测中的相关技术，为接下来实现目标检测算法奠定基础。
Tensorflow 2.x(keras)源码详解之第十五章：迁移学习与微调
1. 迁移学习与微调2. 了解 `trainable` 特性3. keras实现典型的迁移学习工作流4. 微调5. 使用自定义训练循环进行迁移学习和微调6. 一个端到端的实例：基于 Dogs vs. Cats 数据集微调图像分类模型
Keras深度学习实战——基于VGG19模型实现性别分类
VGG19 是 VGG16 的改进版本，具有更多的卷积和池化操作。本文首先简要介绍了 VGG19 的架构，并使用 Keras 中预训练的 VGG19 模型进行性别分类实战。
Keras深度学习实战（12）——面部特征点检测
面部关键点的定位通常是许多面部分析方法和算法中的关键步骤。在本节中，我们介绍了如何通过训练卷积神经网络来检测面部的关键点，首先通过预训练模型提取特征，然后利用微调模型预测图像中人物的面部关键点。......
Keras深度学习实战（10）——迁移学习
迁移学习 (Transfer Learning) 是机器学习中的一个重要研究方向，指将一个预训练的模型重新用于另一个任务中，和从零开始训练卷积神经网络相比，利用迁移学习，只需要少量样本即可训练得到性能较好的模型。本文我们将使用预训练的 VGG16 模型利用迁移学习进行性别分类任务实战。...
Tensorflow 2.x(keras)源码详解之第十三章：keras中的评估指标及自定义评估指标
@[toc]# 1. keras中API使用方法- 评估指标位于tf.keras.metrics模块，该模块下的评估指标都是一个类，需要实例化后，调用相应的方法，以tf.keras.metrics.Mean为例
Keras深度学习实战（11）——股价预测
我们已经学习了使用神经网络进行音频、文本等非结构化数据和房价、信用等结构化数据分析的相关任务。本节，通过股价预测应用，了解了神经网络在处理时间序列数据的一般流程，并学习了使用函数式 API 来构建复杂神经网络，通过利用相关新闻数据信息来提高预测准确性。
基于Python实现的口罩佩戴检测
口罩佩戴检测一 题目背景1.1 实验介绍今年一场席卷全球的新型冠状病毒给人们带来了沉重的生命财产的损失。有效防御这种传染病毒的方法就是积极佩戴口罩。我国对此也采取了严肃的措施，在公共场合要求人们必须佩戴口罩。在本次实验中，我们要建立一个目标检测的模型，可以识别图中的人是否佩戴了口罩。1.2 实验要求
Keras深度学习实战（8）——房价预测
在本节中，我们介绍了神经网络的实际应用，使用 Boston 房价数据集，通过尝试预测房屋的价格来研究连续输出问题，并介绍了如何在网络训练过程中使用自定义损失函数。
笔记：基于keras的不同神经网络模型Minst手写体识别
基于keras不同神经网络模型的mnist手写体识别
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（5）：支持向量机
第五章 支持向量机· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géro
Keras深度学习实战（2）——使用Keras构建神经网络
Keras 是用 Python 编写的高级神经网络 API，它的核心思想在于实现快速实验，该库提供了很多实用工具，可以简化构建复杂神经网络的过程。在本节中，我们将使用 Keras 库构建神经网络，感受 Keras 快速模型构建的特性。
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
神经网络是一种性能强大的学习算法，其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式，神经网络获取输入后，通过某些函数在网络中进行传递输入信息，连接在其后的一些神经元会被激活，从而产生输出。本文主要介绍神经网络中重要的基础知识，然后使用 Python 从零开始构建神经网络的训练流程，包括前
OpenCV-Python实战（22）——使用Keras和Flask在Web端部署图像识别应用
在本文中，我们将看到如何使用 Keras 和 Flask 创建深度学习 REST API。更具体地说，我们首先学习如何使用 Keras 中包含的预训练深度学习架构，然后介绍如何使用这些预训练深度学习架构创建深度学习 API，用于高性能图像识别任务。
从零开始，手把手教你使用Keras和TensorFlow构建自己的CNN模型
最近学习CNN，搭建CNN模型时看网上鱼龙混杂的博客走了不少歪路，决定自己来总结一下。环境是Python 3.8.12 ，TensorFlow 2.3.0，Keras 2.4.3
