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。
The Batch Normalization layer of Keras is broken
更新：不幸的是，我向 Keras 发出的改变批量规范化层行为的 Pull 请求未被接受。您可以在此处阅读详细信息。对于那些敢于尝试自定义实现的人，您可以在我的分支中找到代码。我可能会维护它并将其与最新的 […] 合并
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。
5 tips for multi-GPU training with Keras
深度学习（2010 年代后期最受欢迎的流行词，与区块链/比特币和数据科学/机器学习一起）使我们在过去几年中做了一些非常酷的事情。除了算法的进步（诚然，这些进步是基于自 1990 年代即“数据挖掘时代”以来已知的思想）之外，其成功的主要原因可以 […]
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。
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。
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。
Trump Says Military Force Not off the Table for Greenland after Danish FM Scolds His Administration
丹麦外交大臣在批评丹麦和格陵兰岛时责骂特朗普政府的“基调”，称他的国家已经在投资更多地投资于北极安全性，并且在与美国部长拉尔斯·拉斯克·拉斯穆森（LarsLøkkeRøkkeRasmussen）在社交媒体上发表的言论更加愿意与美国副总统jd Vance访问Putuffik Space Base Space Base
Statement by Dr Dwayne Menezes on JD Vance’s Speech and Lars Løkke Rasmussen’s Response
Pixabay的Bernd Hildebrandt的图像。 Dwayne Ryan Menezes博士的创始人兼董事总经理Polar Research and Policy Initiative […] Dwayne Menezes博士在JD Vance的讲话中发表的声明，LarsLøkkeRasmussen的回应首先出现在Polar Connection上。
Building Your First Deep Learning Model: A Step-by-Step Guide
深度学习简介深度学习是机器学习的一个子集，而机器学习本身又是人工智能 (AI) 的一个子集。深度学习模型的灵感来自人脑的结构和功能，由多层人工神经元组成。这些模型能够通过称为训练的过程学习数据中的复杂模式，在此过程中，模型会进行迭代调整以最大限度地减少其预测中的错误。在这篇博文中，我们将介绍使用 MNIST 数据集构建一个简单的人工神经网络 (ANN) 来对手写数字进行分类的过程。了解 MNIST 数据集MNIST 数据集（修改后的国家标准与技术研究所数据集）是机器学习和计算机视觉领域最著名的数据集之一。它由 70,000 张从 0 到 9 的手写数字灰度图像组成，每张图像的大小为 28x28
Pre-processing layers in keras: What they are and how to use them
对于 keras，最近的两个版本带来了重要的新功能，包括底层基础设施和工作流程增强。这篇文章重点介绍后一类的一个杰出示例：旨在帮助完成预处理、数据增强和特征工程任务的新型层系列。
Que haja luz: More light for torch!
今天，我们介绍 luz，它是 torch 的高级接口，可让您以简洁、声明式的风格训练神经网络。从某种意义上说，它之于 torch 就像 Keras 之于 TensorFlow：它既提供了简化的工作流程，也提供了强大的自定义方式。
Simple audio classification with torch
本文将 Daniel Falbel 关于“简单音频分类”的文章从 TensorFlow/Keras 翻译成 torch/torchaudio。
#120 – François Chollet: Measures of Intelligence
François Chollet 是 Google 的人工智能研究员，也是 Keras 的创建者。通过支持我们的赞助商来支持此播客（并获得折扣）：- Babbel：https://babbel.com 并使用代码 LEX- MasterClass：https://masterclass.com/lex- Cash App：下载应用程序并使用代码“LexPodcast”剧集链接：Francois 的 Twitter：https://twitter.com/fcholletFrancois 的网站：https://fchollet.com/关于智力的衡量（论文）：https://arxiv.org
