深度学习网络keras
可视化Keras深度学习神经网络模型
为了使开发者更好的理解其开发的神经网络模型，Keras Python深度学习库提供了可视化神经网络模型的工具。这对于产品演示和讲解是非常有用的 在本文，你会学到如何在Keras中总结和可视化深度学习模型。读完本文后，你将知道：如何创建你的...
深度学习Trick——用权重约束减轻深层网络过拟合|附(Keras)实现代码
在本教程中，使用Keras API，用于向深度学习神经网络模型添加权重约束以减少过拟合。完成本教程后，您将了解：如何使用Keras API创建向量范数约束；如何使用Keras API为MLP、CNN和RNN层添加权重约束；如何通过向现有模型添加权重约束来减少...
深度学习第19讲：CNN经典论文研读之残差网络ResNet及其keras实现
深度学习的试验表明学习这个恒等式并不困难，这就意味着，在拥有跳跃连接的普通网络即使多加几层，其效果也并不逊色于加深之前的网络效果。当然，我们的目标不是保持网络不退化，而是需要提升网络表现，当隐藏层能够学到一些有用的信息时，...
Coursera吴恩达《神经网络与深度学习》课程笔记（2）-神经网络基础之逻辑回归
上节课我们主要对深度学习（Deep Learning）的概念做了简要的概述。我们先从房价预测的例子出发，建立了标准的神经网络（Neural Network）模型结构。然后从监督式学习入手，介绍了Standard NN，CNN和RNN三种不同的神经网络模型。接着介绍了...
Coursera吴恩达《神经网络与深度学习》课程笔记（3）-神经网络基础之Python与向量化
3Vectorizing Logistic Regression在《神经网络与深度学习》课程笔记（2）中我们介绍过，整个训练样本构成的输入矩阵X的维度是（nx，m），权重矩阵w的维度是（nx，1），b是一个常数值，而整个训练样本构成的输出矩阵Y的维度为（1，m）。...
