Generating images with Keras and TensorFlow eager execution
生成对抗网络 (GAN) 是一种流行的深度学习方法，用于生成新实体（通常但并非总是图像）。我们展示了如何使用 Keras 和 TensorFlow Eager Execution 对它们进行编码。
Attention-based Neural Machine Translation with Keras
随着序列到序列预测任务变得越来越复杂，注意力机制已被证明是有帮助的。一个突出的例子是神经机器翻译。根据最近的 Google Colaboratory 笔记本，我们展示了如何在 R 中实现注意力。
Classifying physical activity from smartphone data
使用 Keras 训练卷积神经网络来对身体活动进行分类。该数据集是根据 30 名受试者在携带腰部安装的内置惯性传感器智能手机时进行基本活动和姿势转换的记录构建的。
Predicting Sunspot Frequency with Keras
在这篇文章中，我们将研究如何使用基础 R 附带的太阳黑子数据集进行时间序列预测。太阳黑子是太阳上的黑点，与较低的温度有关。我们的文章将重点介绍如何将深度学习应用于时间序列预测，以及如何在此领域正确应用交叉验证。
Simple Audio Classification with Keras
在本教程中，我们将构建一个深度学习模型来对单词进行分类。我们将使用语音命令数据集，该数据集包含 65,000 个一秒钟的音频文件，其中人们说了 30 个不同的单词。
GPU Workstations in the Cloud with Paperspace
如果您无法在本地访问现代 NVIDIA GPU，那么最好的办法通常是在云中运行 GPU 密集型训练作业。Paperspace 是一种云服务，它提供对配备 GPU 的完全预配置的 Ubuntu 16.04 桌面环境的访问。
lime v0.4: The Kitten Picture Edition
lime 的一个新主要版本已登陆 CRAN。lime 是 Marco Ribeiro 编写的同名 Python 库的 R 端口，允许用户打开黑盒机器学习模型并根据每个观察结果解释其结果
Deep Learning for Cancer Immunotherapy
这篇文章的目的是说明深度学习如何应用于癌症免疫疗法（免疫肿瘤学或免疫肿瘤学） - 一种癌症治疗策略，其目的是利用癌症患者自身的免疫系统来对抗癌症。
Predicting Fraud with Autoencoders and Keras
在本文中，我们将训练一个自动编码器来检测信用卡欺诈。我们还将演示如何使用 CloudML 在云中训练 Keras 模型。我们模型的基础将是 Kaggle 信用卡欺诈检测数据集。
Analyzing rtweet Data with kerasformula
kerasformula 包为 R 接口提供了 Keras 的高级接口。它的主要接口是 kms 函数，这是一个使用公式和稀疏矩阵的 keras_model_sequential 的回归式接口。我们使用 kerasformula 根据推文的转发和收藏频率来预测推文的受欢迎程度。
Deep Learning With Keras To Predict Customer Churn
使用 Keras 根据 IBM Watson Telco 客户流失数据集预测客户流失。我们还演示了如何使用 lime 包来帮助解释哪些特征驱动单个模型预测。此外，我们使用三个新包来协助机器学习：用于预处理的配方、用于采样数据的 rsample 和用于模型指标的 yardstick。
我们很高兴地宣布 cloudml 软件包现已推出，它为 Google Cloud Machine Learning Engine 提供了 R 接口。CloudML 提供了许多服务，包括按需访问 GPU 上的训练和超参数调整，以优化模型架构的关键属性。
Classifying Duplicate Questions from Quora with Keras
在这篇文章中，我们将使用 Keras 对 Quora 中的重复问题进行分类。我们的实现灵感来自 Siamese 循环架构，并对相似度度量和嵌入层进行了修改（原始论文使用预训练的词向量）
词嵌入是一种将词汇表中的单词映射到密集实数向量的方法，其中语义相似的单词被映射到附近的点。在此示例中，我们将使用 Keras 为 Amazon Fine Foods Reviews 数据集生成词嵌入。
Time Series Forecasting with Recurrent Neural Networks
在本文中，我们将回顾三种用于提高循环神经网络性能和泛化能力的高级技术。我们将在温度预测问题上演示这三个概念，您可以访问来自安装在建筑物屋顶上的传感器的时间序列数据点。
Image Classification on Small Datasets with Keras
使用很少的数据来训练图像分类模型是一种常见的情况，在本文中，我们回顾了解决此问题的三种技术，包括从预训练网络中提取特征和进行微调。
Deep Learning for Text Classification with Keras
二分类或二元分类可能是应用最广泛的机器学习问题。在《使用 R 进行深度学习》一书中的这段摘录中，您将学习根据评论的文本内容将电影评论分类为正面或负面。
tfruns: Tools for TensorFlow Training Runs
tfruns 包提供了一套工具，用于跟踪、可视化和管理来自 R 的 TensorFlow 训练运行和实验。
