可以使用 ‘Sequential’ API 创建顺序模型，该 API 使用 ‘layers.experimental.preprocessing.Rescaling’ 方法。其他层在创建模型时指定。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每一层都只有一个输入张量和一个输出张量。我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需… 阅读更多

我们将使用 flowers 数据集，其中包含数千张花的图像。它包含 5 个子目录，每个子目录对应一个类别。使用 ‘get_file’ 方法下载 flowers 数据集后，它将加载到环境中以供使用。可以通过在模型中引入归一化层来标准化花卉数据。此层称为 ‘Rescaling’ 层，它使用 ‘map’ 方法应用于整个数据集。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？我们使用 Google Colaboratory 来… 阅读更多

借助缓冲预取、shuffle 方法和 cache 方法，可以配置 flowers 数据集以提高性能。缓冲预取可用于确保可以从磁盘获取数据，而不会使 I/O 成为阻塞操作。Dataset.cache() 将图像保存在内存中，这些图像在第一个 epoch 期间从磁盘加载后。Dataset.prefetch() 将在训练期间重叠数据预处理和模型执行。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？使用 Keras Sequential API，它有助于构建用于处理… 阅读更多

假设我们有 flowers 数据集。可以使用 google API 下载 flowers 数据集，该 API 基本上链接到 flowers 数据集。可以使用 ‘get_file’ 方法将 API 作为参数传递。完成后，数据将下载到环境中。可以使用 ‘matplotlib’ 库对其进行可视化。‘imshow’ 方法用于在控制台上显示图像。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？我们将使用 Keras Sequential API，它有助于构建用于处理… 阅读更多

可以使用 keras 预处理 API 预处理 flowers 数据集。它有一个名为 ‘image_dataset_from_directory’ 的方法，该方法接受验证集、数据存储的目录以及其他参数来处理数据集。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每一层都只有一个输入张量和一个输出张量。使用 keras.Sequential 模型创建图像分类器，并使用… 阅读更多

可以使用 keras 预处理 API 将 flowers 数据集拆分为训练集和验证集，借助 ‘image_dataset_from_directory’ 方法，该方法会要求提供验证集的百分比分割。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？使用 keras.Sequential 模型创建图像分类器，并使用 preprocessing.image_dataset_from_directory 加载数据。有效地从磁盘加载数据。识别过拟合并应用技术来减轻它。这些技术包括数据增强和 dropout。有 3700 张花的图像。此数据集包含 5 个子目录，每个子目录… 阅读更多

可以使用 Keras Sequential API 和 ‘PIL’ 包以及 ‘Image.open’ 方法来探索 flowers 数据集。不同的子目录包含不同类型的花卉图像，这些图像可以在控制台上进行索引和显示。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每一层都只有一个输入张量和一个输出张量。使用 keras.Sequential 模型创建图像分类器，并… 阅读更多

可以使用 Keras Sequential API 和存储数据集的 google API 下载 flowers 数据集。使用 API（URL）和 ‘get_file’ 方法来获取数据集并将其存储在内存中。阅读更多：什么是 TensorFlow，以及 Keras 如何与 TensorFlow 协同创建神经网络？包含至少一层卷积层的神经网络称为卷积层。卷积神经网络已被用于针对特定类型的问题（例如图像识别）产生良好的结果。使用 keras.Sequential 模型创建图像分类器，并… 阅读更多

卷积神经网络可以使用‘evaluate’方法进行评估。此方法将测试数据作为参数。在此之前，数据使用‘matplotlib’库和‘imshow’方法在控制台上绘制。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？卷积神经网络已被用于解决特定类型的问题，例如图像识别，并取得了良好的效果。 我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，无需任何配置，并可免费访问GPU（图形…… 阅读更多

卷积神经网络可以使用‘train’方法和‘fit’方法分别进行训练和编译。 ‘epoch’值在‘fit’方法中提供。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，它有助于构建一个顺序模型，用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。包含至少一层卷积层的神经网络被称为卷积神经网络。卷积神经网络已被用于…… 阅读更多