详细内容或原文请订阅后点击阅览
使用 R 开始深度学习
许多领域都受益于深度学习的使用，借助 R keras、tensorflow 和相关软件包，您现在可以轻松地在 R 中进行最先进的深度学习。在这篇文章中，我们想提供一些关于如何最好地开始的指导。
来源:RStudio AI博客进入深度学习领域有很多好的理由：深度学习在图像识别和自然语言处理等领域的表现一直优于各自的“经典”技术，甚至有可能为表格数据分析带来有趣的见解。对于许多对深度学习感兴趣的 R 用户来说，障碍不在于数学先决条件（因为许多人都有统计学或实证科学背景），而在于如何以有效的方式开始。
这篇文章将概述一些应该有用的材料。如果您没有统计学或类似学科的背景，我们还将提供一些有用的资源来帮助您掌握“数学”。
Keras 教程
最简单的入门方法是使用 Keras API。它是一种高级的、声明性的（感觉上）指定模型、训练和测试模型的方式，最初由 Francois Chollet 在 Python 中开发，并由 JJ Allaire 移植到 R。
Python查看 Keras 网站上的教程：它们介绍了分类和回归等基本任务，以及保存和恢复模型或评估模型性能等基本工作流程元素。
Keras 网站- 基本分类让您开始使用 Fashion MNIST 数据集进行图像分类。文本分类展示了如何对电影评论进行情绪分析，并包括如何预处理文本以进行深度学习的重要主题。基本回归通过 Keras 附带的著名波士顿住房数据集示例演示了预测连续变量的任务。过度拟合和欠拟合解释了如何评估您的模型是欠拟合还是过度拟合，以及应采取哪些补救措施。最后但并非最不重要的是，保存和恢复模型展示了如何在训练期间和训练后保存检查点，这样您就不会失去网络劳动的成果。