- 从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了BiLSTM-CRF模型搭建及训练、预测，最终实现医学命名实体识别实验。这篇文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN，这篇文章将以代码为主，让读者直观感受深度神经网络，希望对您有所帮助~ 从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了BiLSTM-CRF模型搭建及训练、预测，最终实现医学命名实体识别实验。这篇文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN，这篇文章将以代码为主，让读者直观感受深度神经网络，希望对您有所帮助~
- 这篇文章简单讲解易学智能GPU搭建Keras环境的过程，并实现了LSTM文本分类的实验，本来想写Google Colab免费云，但看知乎评价也不太好（梯子常断网、时间限制、数据量小）。因此，选择一个评价较好的平台供大家学习（6块一小时），也希望大家推荐更好的平台，百度飞浆后续准备也学习下，希望这篇文章能解决自身电脑配置不足，需要GPU运行模型且服务器价格又不是太高的同学，加油！ 这篇文章简单讲解易学智能GPU搭建Keras环境的过程，并实现了LSTM文本分类的实验，本来想写Google Colab免费云，但看知乎评价也不太好（梯子常断网、时间限制、数据量小）。因此，选择一个评价较好的平台供大家学习（6块一小时），也希望大家推荐更好的平台，百度飞浆后续准备也学习下，希望这篇文章能解决自身电脑配置不足，需要GPU运行模型且服务器价格又不是太高的同学，加油！
- 前一篇文章分享了循环神经网络RNN的原理知识，并采用Keras实现手写数字识别的RNN分类案例及可视化呈现。这篇文章作者将带领大家用Keras实现RNN和LSTM的文本分类算法，并与传统的机器学习分类算法进行对比实验。基础性文章，希望对您有所帮助！ 前一篇文章分享了循环神经网络RNN的原理知识，并采用Keras实现手写数字识别的RNN分类案例及可视化呈现。这篇文章作者将带领大家用Keras实现RNN和LSTM的文本分类算法，并与传统的机器学习分类算法进行对比实验。基础性文章，希望对您有所帮助！
- 前一篇文章详细讲解了无监督学习Autoencoder的原理知识，然后用MNIST手写数字案例进行对比实验及聚类分析。这篇文章将开启Keras人工智能的学习，主要分享Keras环境搭建、入门基础及回归神经网络案例。基础性文章，希望对您有所帮助！ 前一篇文章详细讲解了无监督学习Autoencoder的原理知识，然后用MNIST手写数字案例进行对比实验及聚类分析。这篇文章将开启Keras人工智能的学习，主要分享Keras环境搭建、入门基础及回归神经网络案例。基础性文章，希望对您有所帮助！
- @Author：Runsen多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构每个MLP模型由一个输入层、几个隐藏层和一个输出层组成每层神经元的数目不受限制具有一个隐藏层的MLP- 输入神经元数：3- 隐藏神经元数：4- 输出神经元数：2 回归任务... @Author：Runsen多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构每个MLP模型由一个输入层、几个隐藏层和一个输出层组成每层神经元的数目不受限制具有一个隐藏层的MLP- 输入神经元数：3- 隐藏神经元数：4- 输出神经元数：2 回归任务...
- 产品介绍：（1）概述：视觉结算系统是基于图像识别技术的一套自助结算系统。可以快速精确的帮助消费者结算，减少购物高峰期的排队等待时间。后台可以保存顾客购物信息，方便远程管理门店。采用的是计算机视觉技术，与图像识别等技术类似，是通过摄像头获取目标物体信息，通过RGB图像进行目标对比，基本的流程是：图像获取，目标定位，图像分割，图像识别。只需将商品放于结算台上，通过AI识别技术识别商品，系统将自动... 产品介绍：（1）概述：视觉结算系统是基于图像识别技术的一套自助结算系统。可以快速精确的帮助消费者结算，减少购物高峰期的排队等待时间。后台可以保存顾客购物信息，方便远程管理门店。采用的是计算机视觉技术，与图像识别等技术类似，是通过摄像头获取目标物体信息，通过RGB图像进行目标对比，基本的流程是：图像获取，目标定位，图像分割，图像识别。只需将商品放于结算台上，通过AI识别技术识别商品，系统将自动...
- 记录在树莓派上的一次不成功的尝试。 记录在树莓派上的一次不成功的尝试。
- 本文介绍了Nano的使用过程。 本文介绍了Nano的使用过程。
- WSL2上体验TinyMS 0.3.1 WSL2上体验TinyMS 0.3.1
- @Author：Runsen GPU在gpu上训练使训练神经网络比在cpu上运行快得多Keras支持使用Tensorflow和Theano后端对gpu进行培训文档： https://keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu 安装GPU首先，下载并安装CUDA&CuDNN（假设您使用的是NVIDIA gpu）安装url... @Author：Runsen GPU在gpu上训练使训练神经网络比在cpu上运行快得多Keras支持使用Tensorflow和Theano后端对gpu进行培训文档： https://keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu 安装GPU首先，下载并安装CUDA&CuDNN（假设您使用的是NVIDIA gpu）安装url...
- @Author：Runsen@[toc] Load datasetdigits dataset in scikit-learnurl: http://scikit-learn.org/stable/auto_examples/datasets/plot_digits_last_image.htmlfrom sklearn.datasets import load_digitsfrom ten... @Author：Runsen@[toc] Load datasetdigits dataset in scikit-learnurl: http://scikit-learn.org/stable/auto_examples/datasets/plot_digits_last_image.htmlfrom sklearn.datasets import load_digitsfrom ten...
- @Author：Runsen@[toc] 基本卷积神经网络（CNN）-CNN的基本结构：CNN与MLP相似，因为它们只向前传送信号（前馈网络），但有CNN特有的不同类型的层Convolutional layer：在一个小的感受野（即滤波器）中处理数据Pooling layer：沿2维向下采样（通常为宽度和高度）Dense (fully connected) layer：类似于MLP的隐藏层i... @Author：Runsen@[toc] 基本卷积神经网络（CNN）-CNN的基本结构：CNN与MLP相似，因为它们只向前传送信号（前馈网络），但有CNN特有的不同类型的层Convolutional layer：在一个小的感受野（即滤波器）中处理数据Pooling layer：沿2维向下采样（通常为宽度和高度）Dense (fully connected) layer：类似于MLP的隐藏层i...
- @Author：Runsen@[toc] 基础知识图像格式数据的输入通常是张量流中的四维数组（数值、宽度、高度、深度）num_instance:数据实例数。通常指定为无，以适应数据大小的波动宽度：图像的宽度高度：图像的高度深度：图像的深度。彩色图像的深度通常为3（RGB为3个通道）。黑白图像的深度通常为1（只有一个通道）from matplotlib import pyplot as plt... @Author：Runsen@[toc] 基础知识图像格式数据的输入通常是张量流中的四维数组（数值、宽度、高度、深度）num_instance:数据实例数。通常指定为无，以适应数据大小的波动宽度：图像的宽度高度：图像的高度深度：图像的深度。彩色图像的深度通常为3（RGB为3个通道）。黑白图像的深度通常为1（只有一个通道）from matplotlib import pyplot as plt...
- @Author：Runsen 分类任务的MLP当目标（y）是离散的（分类的）对于损失函数，使用交叉熵；对于评估指标，通常使用accuracy 数据集描述CIFAR-10数据集包含10个类中的60000个图像—50000个用于培训，10000个用于测试有关更多信息，请参阅官方文档from tensorflow.keras.datasets import cifar10from tensorfl... @Author：Runsen 分类任务的MLP当目标（y）是离散的（分类的）对于损失函数，使用交叉熵；对于评估指标，通常使用accuracy 数据集描述CIFAR-10数据集包含10个类中的60000个图像—50000个用于培训，10000个用于测试有关更多信息，请参阅官方文档from tensorflow.keras.datasets import cifar10from tensorfl...
- TensorBoard的图仪表盘（graph）是检测模型的强大工具，可以快速查看模型结构的预览图，并确保其符合预期想法。还可以查看操作级图，以了解Tensorflow程序。 TensorBoard的图仪表盘（graph）是检测模型的强大工具，可以快速查看模型结构的预览图，并确保其符合预期想法。还可以查看操作级图，以了解Tensorflow程序。
上滑加载中
推荐直播
-
SaaS云原生应用典型架构2022/07/07 周四 19:00-20:00
程泽 华为云SaaS专家
SaaS作为一种有效的软件交付形式，让企业IT团队可以将工作的重心从部署和业务系统定制转移到管理业务系统所提供的服务上来；但多租户开发、技术选型等问题会给SaaS应用开发带来挑战。本期直播将助力您破解这些难题，轻松构建云原生SaaS化应用。
去报名 -
鸿蒙设备如何从0到1联网上云2022/07/11 周一 19:30-20:30
Vz 华为云IoT高级工程师
本课程使开发者具备鸿蒙设备开发基础技能，掌握编译环境搭建、内核开发、驱动子系统开发、网络应用开发等知识点。
即将直播
热门标签