KerasDLDemo

Keras深度学习一些基础和Demo

Chapter-03

多层感知机分类糖尿病诊断

Chapter-05

评估深度学习模型 数据集为糖尿病数据集

• 手动分离数据集

• k折交叉验证

Chapter-06

Keras中使用Scikit-Learn 数据集为糖尿病数据集

• 使用交叉验证评估模型

• 深度学习模型调参

Chapter-07

多分类实例：鸢尾花分类

• 使用Keras+Sklearn+交叉验证进行分类

Chapter-08

回归问题实例:波士顿房价预测

• Pipeline+KFold+GridSearchCV+Sklearn

Chapter-09

二分类实例:银行营销分类

• KerasClassifier+cross_val_score+KFold+StandardScaler+GridSearchCV

Chapter-10

多层感知机进阶

• JSON序列化模型

• YAML序列化模型

• 模型增量更新

• 神经网络检查点

• 模型训练过程可视化

Chapter-11

Dropout与学习率衰减

• Dropout的使用

• 学习率指数衰减

• 学习率线性衰减

Chapter-13

Mnist手写数字识别

• MLP

• 简单CNN

• 复杂CNN

Chapter-14

Keras中的图像增强

• 特征标准化

• ZCA白化

• 随机旋转、移动、剪切和反转图像

• 保存增强后的图像

Chapter-15

图像识别实例：CIFAR-10分类

• 简单CNN

• 复杂CNN

Chapter-16

情感分类实例：IMDB影评情感分析

• MLP

• CNN

Chapter-18

MLP时间序列分析：国际旅行人数预测

• MLP

• 使用窗口方法的MLP

Chapter-19

LSTM时间序列问题预测：国际旅行人数预测

• LSTM处理回归问题

• 使用窗口方法的LSTM回归

• 使用时间步长的LSTM回归

• LSTM批次间记忆

• 堆叠LSTM的批次间记忆

Chapter-20

序列分类：IMDB影评分类

• SimpleLSTM

• 混合使用LSTM和CNN

Chapter-21

多变量时间序列预测：PM2.5预报

• SimpleLSTM

• 生成文本

参考自魏贞原老师的《深度学习 基于Keras的Python实战》，进行基础的知识概括与复习回顾