📚Keras 入门
1 Keras简介之Keras的背景和发展
Keras 是一个高阶神经网络 API，旨在使机器学习模型的构建和训练过程更加直观和简便。它由 François Chollet 于 2015 年开发，最初是作为一个独立的库发布，但随着 TensorFlow 2.0 的推出，Keras 成为了 TensorFlow 的官方高级...
AIKeras2 Keras简介之Keras的特点
在上一篇中，我们讨论了Keras的背景和发展历程。接下来，我们将重点介绍Keras的特点，这些特点紧密相连，让Keras成为一个极具吸引力的深度学习框架。Keras以其简洁性和灵活性广受欢迎，尤其适合初学者和研究人员。以下是一些Keras的主要特点：
AIKeras3 Keras的使用场景
在上一篇文章中，我们介绍了 Keras 的特点，了解了它的灵活性、易用性和强大的功能。接下来，我们将深入探讨 Keras 的使用场景，帮助你更好地理解它在实际应用中的价值与优势。
AIKeras4 Keras安装之安装Keras和依赖项
在上一篇内容中，我们探讨了Keras的基本概念以及其使用场景。今天，我们将详细介绍如何在你的机器上安装Keras及其相关依赖项，为后续的环境配置打下基础。
AIKeras5 Keras安装之配置Keras环境
在上一篇教程中，我们介绍了如何安装Keras及其依赖项。了解了基础知识后，接下来我们将专注于如何有效地配置你的Keras环境，以便充分利用这个强大的深度学习库。合理的配置可以帮助你更好地管理项目和模型，提高工作效率。
AIKeras6 Keras安装之测试安装是否成功
在上一篇文章中，我们介绍了如何配置Keras的环境，确保一切准备就绪以便开始深度学习旅程。在这篇文章中，我们将进行Keras的安装测试，以验证我们的环境配置是否成功。
AIKeras7 Keras的基础术语
在上一篇文章中，我们探讨了如何安装Keras以及如何测试安装是否成功。本文将介绍一些Keras中的基础术语，这些术语是理解Keras框架的关键。在后续的文章中，我们将深入探讨张量（tensor）的概念，它是深度学习的基础。接下来，我们将通过实例来阐述Keras中的重要术语。
AIKeras8 Keras基本概念之张量（Tensor）
在深入了解Keras之前，掌握基本的数学概念尤为重要，其中之一就是“张量”（Tensor）。张量在深度学习中起着核心作用，因为它们是数据在Keras模型中流动的基本单位。本篇文章将详细讨论张量的概念及其在Keras中的应用，此外，我们也会通过一些实例来加深理解。
AIKeras9 Keras基本概念之模型类型及其选择
在上一篇文章中，我们探讨了Keras中的基础概念之一——张量。张量是Keras进行深度学习操作的核心数据结构，理解强调张量及其运算对于后续模型的构建至关重要。在本篇文章中，我们将聚焦于Keras的模型类型及如何选择合适的模型框架，为后续学习顺序模型提供基础。
AIKeras10 Keras框架从零教程：构建模型之顺序模型Sequential
在上一篇中，我们讨论了Keras的基本概念，以及如何选择合适的模型类型。今天，我们将深入探讨Keras中最简单和最常用的模型类型——顺序模型（Sequential）。顺序模型是一种线性堆叠多层的模型，非常适合于层与层之间逐步连接的常见任务，如分类和回归。
AIKeras11 Keras框架从零教程：构建模型之功能API
在上一篇文章中，我们介绍了Keras框架中Sequential模型的构建方式，这是最基础和线性的模型构建方法。本篇文章将深入探讨Keras的功能API（Functional API），这是一种更加灵活和强大的构建模型方法，适用于复杂的模型架构，比如多输入多输出的模型、共享层的模型...
AIKeras12 Keras框架从零教程系列：建立自定义模型
在本篇教程中，我们将学习如何在Keras框架中建立一个自定义模型。也就是说，我们会创建一个模型类，以便灵活定义神经网络的结构、前向传播逻辑，以及如何计算损失和更新权重。这为我们提供了更大的自由度，可以精确控制模型的每一个细节。
AIKeras13 Keras框架从零教程系列：模型编译
在上一篇中，我们讨论了如何建立自定义模型，现在我们将介绍Keras框架中“模型编译”的过程。编译模型是训练深度学习网络之前的重要步骤，它涉及到选择优化器、损失函数和评估指标。
AIKeras14 Keras框架从零教程：训练模型
在上一篇中，我们探讨了如何通过compile方法来为模型编译优化器、损失函数和指标。现在，我们将继续深入，学习如何训练模型，具体来说就是如何使用fit方法进行模型训练。
AIKeras15 Keras框架从零教程：使用fit方法进行模型训练
在上一篇中，我们讨论了模型的构建与训练。现在，我们将深入探讨如何利用Keras中的fit方法进行模型训练，这一方法是Keras中最常用、最核心的训练机制之一。同时，我们也会介绍一些与训练相关的参数配置，让你能更好地掌控模型的训练过程。
AIKeras16 Keras框架从零教程系列：模型训练之回调函数
在上一篇中，我们讨论了如何使用 fit 方法进行模型训练。这一篇将专注于 Keras 中的回调函数，这些函数在训练期间提供了一种灵活的方式，帮助我们监控模型训练状态、保存模型、调整学习率等。
AIKeras17 Keras框架从零教程系列：评估模型性能
在上一篇中，我们探讨了Keras中的回调函数，如何通过这些强大的工具来优化训练过程。今天，我们将深入讨论如何评估一个已经训练好的神经网络模型的性能，以及在这个过程中应该注意的一些关键因素。我们将通过实例和代码演示来帮助理解评估模型的具体方法。
AIKeras18 Keras框架从零教程系列：使用evaluate方法进行模型评估与预测
在上一篇中，我们探讨了如何评估模型性能，包括使用各种指标来判断模型的好坏。这一篇，我们将专注于使用Keras框架中的evaluate方法进行更具体的模型评估与预测。通过结合实际案例和代码示例，我们将深入理解如何使用这一功能。
AIKeras19 Keras框架从零教程：模型评估与预测之模型预测
在上一篇文章中，我们探讨了如何使用 evaluate 方法对 Keras 模型进行评估。本文将重点讲解如何使用训练好的模型进行预测。模型预测是机器学习工作流中至关重要的一部分，它使我们能够使用模型对新数据进行推理。这一过程通常会涉及到数据预处理、模型输入格式的匹配以及最终的输出解...
AIKeras20 Keras进阶之迁移学习
在上一篇中，我们探讨了模型评估与预测，并学习了如何使用 Keras 进行模型的预测，接下来我们将打开迁移学习的新篇章。迁移学习是一种强大的深度学习技术，可以让我们在一个任务上利用在另一个任务上学到的知识，尤其是在处理数据有限的情况下。
AIKeras21 Keras进阶之自定义回调
在上一期的教程中，我们介绍了迁移学习的概念以及如何在Keras中实施迁移学习。这篇文章将深入探讨Keras中的自定义回调（Custom Callbacks）。自定义回调是Keras中一个强大的功能，它允许开发者在训练过程中动态地实现控制和监测。这对于模型的监控、训练过程的调整以及...
AIKeras22 Keras进阶之Fine-tuning
在上一节中，我们探讨了如何利用自定义回调函数来增强Keras模型的训练过程。这一节，我们将深入讨论Fine-tuning，一种在迁移学习中常用的技术。Fine-tuning涉及到对预训练模型进行微调，以适应新的任务或数据集。
AIKeras23 在TensorFlow中使用Keras
在前面的文章中，我们探讨了如何进行Keras的Fine-tuning以优化预训练模型的性能。本篇将重点讲解如何在TensorFlow中使用Keras，从基础的模型构建到训练以及评估，确保大家能够顺利过渡到使用Keras框架中实际应用的场景。
AIKeras24 Keras与TensorFlow之Keras的TensorBoard可视化
在前一篇中，我们讨论了如何在TensorFlow中使用Keras进行模型构建和训练，这篇文章将重点介绍如何使用TensorBoard对Keras模型进行可视化。TensorBoard是一个强大的工具，它可以帮助我们可视化模型的训练过程、查看指标以及更好地理解深度学习模型的运行情况...
AIKeras25 Keras与TensorFlow之Keras与TF设备管理
在上一篇文章中，我们探讨了如何利用 TensorBoard 对 Keras 模型进行可视化。在这一篇，我们将深入了解如何在 Keras 中管理设备，特别是当我们使用 TensorFlow 作为后端时。设备管理对于有效利用硬件资源、缩短训练时间以及优化性能是非常重要的。
AIKeras26 Keras框架在图像分类中的应用
在上一篇中，我们讨论了如何使用Keras和TensorFlow进行设备管理，以优化深度学习模型的训练。在本篇中，我们将深入探讨Keras在实际项目中的应用，特别是图像分类问题。接下来，我们将通过一个具体的案例来演示如何使用Keras构建、训练和评估一个图像分类模型。
AIKeras27 Keras在实际项目中的应用之案例：自然语言处理
在这一篇教程中，我们将深入探讨如何使用Keras框架进行自然语言处理(NLP)的实际应用。自然语言处理是人工智能的一个重要领域，涉及让计算机理解、分析和生成自然语言文本。在我们的案例中，我们将使用Keras构建一个情感分类模型，以分析文本的情绪（如积极或消极）。
AIKeras28 Keras框架在实际项目中的应用：时间序列预测
时间序列预测是机器学习中的一个重要应用领域，尤其是在金融、气象、能源等领域。本文将介绍如何使用Keras框架对时间序列数据进行预测，帮助大家更好地理解时间序列预测的流程与实现方法。
AIKeras