深度学习
- 卷积神经网络的可视化
- model.evaluate_tenerator
- 使曲线变的平滑
- 微调模型
- 使用数据增强的特征提取
- model类模型方法fit_generator
- model类模型方法predict
- 2019-04-26
- 使用预训练的卷积神经网络
- 使用数据增强
- ImageDataGenerator类方法flow
- 显示几个随机增强后的训练图像
- 使用数据增强
- 利用批量生成器拟合模型
- Python 迭代器与生成器
- 读取图像中代码一些知识点
- 数据预处理
- 构建网络
- 将图像复制到训练、验证和测试的目录
- 在小型数据集上从头开始训练一个卷积神经网络
- 理解神经网络卷积层、全连接层
- 断更
- 断更
- 卷积运算2
- 卷积运算
- 卷积运算
- 断更
- 第二部分 深度学习实践
- 机器学习的通用工作流程
- 添加 dropout 正则化
- 过拟合与欠拟合
- 数据预处理、特征工程和特征学习
- K折验证
- 波士顿房价总结
- 绘制验证分数（删除前10个数据点）
- 保存每折的验证结果
- 利用K折验证来验证你的方法
- 构建网络
- 预测房价：回归问题
- reuters 步骤总结
- 在新数据上生成预测结果
- Python中 copy, deepcopy和np.random
- 验证方法
- 准备数据、构建网络、编译模型
- 新闻分类：多分类问题
- 断更
《针对Python深度学习》一书做的笔记