【深度学习】实验15 使用CNN完成MNIST手写体识别(Keras)
使用CNN完成MNIST手写体识别(Keras)卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习算法，是处理具有类似网格结构的数据的强大工具，例如图像和声音。CNN主要用于图像识别、语音识别、自然语言处理等领域，是目前计算机视觉领域最有效的算法之一。卷积神经网络的主要特点是局部连接、权值共享和池化。局部连接意味着每个神经元仅与输入数据的一小部分相连；....
【深度学习】实验11 使用Keras预训练模型完成猫狗识别
使用Keras预训练模型完成猫狗识别VGG16是一种深度卷积神经网络，由牛津大学计算机视觉研究小组在2014年提出。它是ImageNet图像识别竞赛的冠军，拥有较好的图像识别和分类效果。VGG16架构非常简单，特征提取部分由13个卷积层和5个池化层组成，分类器部分有3个全连接层。VGG16中的卷积层均为3×3的卷积核，池化层为2×2的最大池化，卷积核数量逐层增加，以提取越来越复杂的特征。VGG1....
【深度学习】实验10 使用Keras完成逻辑回归
使用Keras完成逻辑回归Keras是一个开源的深度学习框架，能够高效地实现神经网络和深度学习模型。它由纽约大学的Francois Chollet开发，旨在提供一个简单易用的高层次API，以便开发人员能够快速搭建模型，从而节省时间和精力。Keras能够兼容各种底层深度学习框架，如TensorFlow、Theano和CNTK等。它已经成为深度学习领域中最受欢迎的框架之一，因为它既容易上手又具有灵活....
【深度学习】实验09 使用Keras完成线性回归
使用Keras完成线性回归Keras是一款基于Python的深度学习框架，以Tensorflow、Theano和CNTK作为后端，由François Chollet开发和维护，其目标是使深度学习模型的实现变得快速、简单。它的设计理念是用户友好、可扩展、易于调试和实验。Keras提供了一系列高级API和便捷的工具，使得用户可以快速构建和训练深度学习模型，而不必关注底层的细节。Keras支持各种类型....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注