5篇文章 · 858字 · 3人關注
-
使用Keras訓練自己的數(shù)據(jù)集——以圖像多分類為例（基于卷積神經(jīng)網(wǎng)絡）1.準備數(shù)據(jù)集： 本次以圖像三分類為例，準備貓、狗、熊貓三種動物的圖片數(shù)據(jù)（每種各1000張圖片），依次存放在'./dataset/cats'、...
-
使用Keras訓練自己的數(shù)據(jù)集——以圖像多分類為例（基于傳統(tǒng)神經(jīng)網(wǎng)絡）1.準備數(shù)據(jù)集： 本次以圖像三分類為例，準備貓、狗、熊貓三種動物的圖片數(shù)據(jù)（每種各1000張圖片），依次存放在'./dataset/cats'、...
-
使用Keras處理回歸問題——以預測房價為例1.波士頓房價數(shù)據(jù)集： 本次使用的波士頓房價數(shù)據(jù)集包含506個樣本，其中404個訓練樣本和102個測試樣本。每個樣本包含13個特征，需要注意的是...
-
使用Keras處理多分類問題——以新聞分類為例1.路透社數(shù)據(jù)集： 本次使用的路透社數(shù)據(jù)集包含許多短新聞及其對應的主題，由路透社在1986年發(fā)布。包括46個不同的主題，其中某些主題的樣本更多，...
-
使用Keras處理二分類問題——以電影評論為例1.IMDB數(shù)據(jù)集： 本次使用的IMDB數(shù)據(jù)集包含來自IMDB的50000條嚴重兩級分化的評論。數(shù)據(jù)集被分為用于訓練的25000條評論和用于測試...
