其中label包括两类标签，label1第一类：上衣，裤子，外套。label2第二类，蓝色，黑色，红色。这样两个输出label1，label2都是是分类，我们可以直接把label1和label2整合为一个label，直接编码，比如[蓝色，上衣]编码为[01

随着 TensorFlow 2.0 的发布，不少开发者产生了一些疑惑：作为 Keras 用户，TensorFlow 2.0 的发布跟我有关系吗？TensorFlow 中的 tf.keras 和 Keras 有什么区别？我该用哪一个训练神经网络？在本文中，作

TensorFlow 2.0 正式版上线两月有余，迎来的却是疯狂吐槽。TensorFlow 被吐槽不好用，也不是一天两天了。TensorFlow 2.0 的发布似乎将这种「民怨」推上了高潮。昨天，一位 reddit 网友说自己正在尝试从 PyTorch 转

在本教程中，您将学习如何为图像分类任务进行转移学习。Keras的高级API使超级简单，只需几个简单的步骤。通过转移学习，我们实际上是在将模型从先前任务中学到的“知识”转移到我们当前的任务。传递学习已得到一致证明，可以提高模型的准确性并减少所需的培训时间。对

本文主要想为大家介绍如何使用scikit-learn网格搜索功能，并给出一套代码实例。你可以将代码复制粘贴到自己的项目中，作为项目起始。通过用 KerasClassifier 或 KerasRegressor 类包装Keras模型，可将其用于scikit-

2014年，Ian Goodfellow提出了生成对抗网络，今天，GAN已经成为深度学习最热门的方向之一。本文将重点介绍如何利用Keras将GAN应用于图像去模糊任务当中。在生成对抗网络中，有两个网络互相进行训练。生成器通过生成逼真的虚假输入来误导判别器，

DeepMind在2013年发表了一篇题为《用深度强化学习玩Atari》的文章，介绍了一种新的用于强化学习的深度学习模型，并展示了它仅使用原始像素作为输入来掌握Atari 2600计算机游戏难度控制策略的能力。在本教程中，我将使用Keras实现本文。我们将

本文将介绍如何使用Keras和Google CoLaboratory与TPU一起训练LSTM模型，与本地计算机上的GPU相比，这样训练能大大缩短训练时间。直到最近，Colab的运行时类型选择器中还会弹出带有180 TFlops的Cloud TPU选项。与在

与其他机器学习算法一样，在构建深度学习网络时，理解数据非常重要。让我们使用一个简单的数据集来可视化数据，得出结论，以及如何使用不同的处理技术提高深度学习模型的性能。它有大约19个特征列，如下所示。它混合了日期，数字和分类数据。数据可视化让我们深入研究数据，

虽然在移动设备中用于医疗目的的AI的是可行的，但我们想要制作一个概念证明，可以基于实时摄像头输入识别不同的身体部位。这种类型的计算机视觉称为图像分类。图像分类的一个要求是访问大型标记数据集以训练我们的机器学习模型。在进行概念验证时，您并不总是能够访问这些大