Keras
keras
#keras
Inhaltsverzeichnis
?ber
1
Kapitel 1: Erste Schritte mit Keras
2
Bemerkungen
2
Examples
2
Installation und Einrichtung
2
Installation
3
Aufbau
3
Wechsel von TensorFlow zu Theano
4
Erste Schritte mit Keras: 30 Sekunden
4
Kapitel 2: Benutzerdefinierte Verlustfunktion und Metriken in Keras
6
Einf?hrung
6
Bemerkungen
6
Examples
6
Euklidischer Distanzverlust
6
Kapitel 3: Erstellen Sie ein einfaches sequentielles Modell
7
Einf?hrung
7
Examples
7
Einfaches Mehrschicht-Perzeptron mit sequentiellen Modellen
7
Kapitel 4: Klassifizierung raumzeitlicher Eingaben mit CNNs, RNNs und MLPs
8
Einf?hrung
8
Bemerkungen
8
Examples
8
VGG-16 CNN und LSTM f?r die Videoklassifizierung
8
Kapitel 5: ?bertragen Sie Lernen und Feinabstimmung mit Keras
10
Einf?hrung
10
Examples
10
?bertragen Sie das Lernen mit Keras und VGG
10
Laden von vorab trainierten Gewichten
10
Erstellen Sie ein neues Netzwerk mit untersten Schichten aus VGG
11
Entfernen Sie mehrere Ebenen und f?gen Sie eine neue in die Mitte ein
11
Kapitel 6: Umgang mit gro?en Trainingsdatenmengen mit Keras fit_generator, Python-Generato13
Einf?hrung
13
Bemerkungen
13
Examples
13
Ein Modell trainieren, um Videos zu klassifizieren
13
Credits
16
?ber
You can share this PDF with anyone you feel could benefit from it, downloaded the latest version from: keras
It is an unofficial and free keras ebook created for educational purposes. All the content is extracted from Stack Overflow Documentation, which is written by many hardworking individuals at Stack Overflow. It is neither affiliated with Stack Overflow nor official keras.
The content is released under Creative Commons BY-SA, and the list of contributors to each chapter are provided in the credits section at the end of this book. Images may be copyright of their respective owners unless otherwise specified. All trademarks and registered trademarks are the property of their respective company owners.
Use the content presented in this book at your own risk; it is not guaranteed to be correct nor accurate, please send your feedback and corrections to info@
1
Kapitel 1: Erste Schritte mit Keras
Bemerkungen
Leitsatz s
? Modularit?t
Unter einem Modell wird eine Sequenz oder ein Diagramm von eigenst?ndigen, vollst?ndig konfigurierbaren Modulen verstanden, die mit m?glichst geringen Einschr?nkungen zusammengesteckt werden k?nnen. Insbesondere sind neuronale Schichten, Kostenfunktionen, Optimierer, Initialisierungsschemata, Aktivierungsfunktionen und Regularisierungsschemata allesamt eigenst?ndige Module, die Sie kombinieren k?nnen, um neue Modelle zu erstellen.
? Minimalismus
Jedes Modul sollte kurz und einfach gehalten werden. Jeder Code sollte beim ersten Lesen transparent sein. Keine schwarze Magie: Es schadet der Iterationsgeschwindigkeit und der Innovationsf?higkeit.
? Einfache Erweiterbarkeit
Neue Module lassen sich einfach hinzuf?gen (als neue Klassen und Funktionen), und vorhandene Module bieten zahlreiche Beispiele. Die einfache Erstellung neuer Module erm?glicht eine umfassende Ausdrucksf?higkeit, wodurch Keras f?r fortgeschrittene Forschung geeignet ist.
? Arbeit mit Python
Keine separaten Modellkonfigurationsdateien in einem deklarativen Format. Modelle werden in Python-Code beschrieben, der kompakt ist, einfacher zu debuggen ist und eine einfache Erweiterbarkeit erm?glicht.
Examples
Installation und Einrichtung
Keras ist eine High-Level-Bibliothek f?r neuronale Netzwerke, die in Python geschrieben wurde und auf TensorFlow oder Theano ausgef?hrt werden kann. Es wurde mit dem Ziel entwickelt, schnelles Experimentieren zu erm?glichen. In der Lage zu sein, mit m?glichst geringer Verz?gerung von der Idee zum Ergebnis zu gelangen, ist der Schl?ssel f?r eine gute Forschung. Verwenden Sie Keras, wenn Sie eine tiefe Lernbibliothek ben?tigen, die:
? Erm?glicht einfaches und schnelles Prototyping (durch vollst?ndige Modularit?t, Minimalismus und Erweiterbarkeit).
? Unterst?tzt sowohl Faltungsnetzwerke als auch wiederkehrende Netzwerke sowie Kombinationen aus beiden.
2
................
................
In order to avoid copyright disputes, this page is only a partial summary.
To fulfill the demand for quickly locating and searching documents.
It is intelligent file search solution for home and business.