在这篇文章中，我们将学习如何在 Keras 中创建模型。引言 Keras 是一个用 Python 编写的开源库，它提供构建人工神经网络模型的 API，具有极大的灵活性。Keras 中的建模可以通过函数式 API 或 Keras 顺序模型来完成。Keras 模块也可在流行的 Tensorflow 库中使用。最新版本和安装 在撰写本文时，Keras 的最新版本是 2.1.0。可以使用 pip 从 PyPI 存储库安装 Keras。Keras 用于建模的优势 由于... 阅读更多

机器学习是人工智能 (AI) 和计算机科学的一个子领域，专注于使用数据和算法来模拟人类学习过程并逐步提高准确性。发展中的数据科学学科严重依赖于机器学习。在数据挖掘项目中，算法被教导使用统计方法生成分类或预测，揭示重要的见解。然后，这些见解会影响应用程序和企业中的决策制定，可能会影响重要的增长 KPI。大数据的持续增长和扩展将推动对数据科学家的需求，他们将需要帮助识别最重要的业务问题和所需的数据... 阅读更多

Tensorflow 是一个开源的机器学习框架，它有助于通过提供高级 API 来开发模型、训练预训练模型。TensorFlow 是一个端到端的平台，可以轻松构建和部署机器学习模型。TensorFlow 使新手和专家都能轻松地为云、桌面、移动和 Web 创建机器学习模型。TensorFlow 的特性 现在让我们看看 TensorFlow 的特性，这也解释了它为什么如此受欢迎 轻松构建和训练模型 TensorFlow 提供多个抽象级别，使您能够快速选择正确的级别。通过使用高级... 阅读更多

TensorFlow Lite 是一个移动库，旨在将模型部署到移动设备、微控制器和边缘设备上。它带有工具，可以使用 5 个方面在移动设备上启用设备上机器学习：延迟、隐私、连接性、大小和功耗。它在 Android、iOS、嵌入式 Linux 和微控制器上提供支持。支持多种语言，例如 Java、Swift、Objective C、C++ 和 Python。还提供硬件加速和模型优化。文档为机器学习项目提供了端到端的示例，例如图像分类、对象检测、问答、姿势估计、文本分类等等，这些示例在不同的平台上都有。有两个方面... 阅读更多

TensorFlow TensorFlow 是一个开源的端到端平台，用于构建机器学习应用程序。它由 Google Brain 的研究人员和开发人员开发。现在让我们看看 TensorFlow 的特性：轻松构建和训练模型 - TensorFlow 提供多个抽象级别，使您能够快速选择正确的级别。通过使用高级 Keras API 构建和训练模型，这使得开始使用 TensorFlow 和机器学习变得容易。急切执行允许立即迭代和直观的调试。对于大型 ML 训练任务，请使用分布式策略 API 在不同的硬件配置上进行分布式训练，而无需更改... 阅读更多

在这篇文章中，您将了解 Tensorflow 和 Keras 库之间的重要区别。TensorFlow TensorFlow 是一个开源的端到端平台，用于构建机器学习应用程序。它由 Google Brain 的研究人员和开发人员开发。现在让我们看看 TensorFlow 的特性：轻松构建和训练模型 - TensorFlow 提供多个抽象级别，使您能够快速选择正确的级别。通过使用高级 Keras API 构建和训练模型，这使得开始使用 TensorFlow 和机器学习变得容易。急切执行允许立即迭代和直观的调试。对于大型 ML 训练任务，请使用... 阅读更多

在这篇文章中，您将了解 Tensorflow 和 Theano 库之间的重要区别。TensorFlow 它是一个开源的端到端平台，用于构建机器学习应用程序，由 Google Brain 的研究人员和开发人员开发。现在让我们看看 TensorFlow 的特性：强大的附加库的生态系统 - TensorFlow 还支持强大的附加库和模型的生态系统，包括 Ragged 张量、TensorFlow Probability、Tensor2Tensor 和 BERT。TensorFlow Serving - 它是一个灵活且高性能的机器学习模型服务系统，专为生产环境而设计。它在生产规模上运行 ML 模型... 阅读更多

TensorFlow Hub 是一个包含训练好的机器学习模型的存储库。这些模型已准备好进行微调并在任何地方部署。可以重用经过训练的模型（如 BERT 和 Faster R-CNN），只需几行代码即可。它是一个开放的存储库，这意味着任何人都可以使用和修改它。tfhub.dev 存储库包含许多预训练的模型。其中一些包括文本嵌入、图像分类模型、TF.js/TFLite 模型等等。可以使用以下代码安装它：!pip install --upgrade tensorflow_hub它可以导入到工作环境中，如下面的代码所示：import tensorflow_hub as hub 阅读更多

可以使用 Keras Sequential API 构建顺序模型，该 API 用于处理简单的层堆叠。这里每一层都只有一个输入张量和一个输出张量。可以将预训练模型用作特定数据集上的基础模型。这样可以节省在特定数据集上重新训练模型的时间和资源。预训练模型是一个已保存的网络，之前已在一个大型数据集上进行过训练。这个大型数据集将是一个大规模的图像分类任务。可以按原样使用预训练模型，也可以对其进行自定义... 阅读更多

TensorFlow Text 包含一系列与文本相关的类和操作，可用于 TensorFlow 2.0。该库有助于进行文本模型所需的预处理，并包含序列建模所需的其它功能。这些功能在 TensorFlow 中不存在。在文本预处理期间使用操作类似于使用 TensorFlow 图。这意味着用户无需担心训练中的标记化与干扰时的标记化不同。操作还有助于管理预处理脚本。可以使用以下命令安装：pip install -q tensorflow-text TensorFlow Text 需要 TensorFlow 2.0，并且兼容... 阅读更多