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。
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。
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
我们很高兴推出 Keras R 包的下一个版本 {keras3}。 {keras3} 是对 {keras} 的彻底重建，保留了原版广受欢迎的功能，同时根据过去几年收集的宝贵见解改进和简化了 API。
LLaMA in R with Keras and TensorFlow
使用 TensorFlow 和 Keras 在 R 中实现和演示大型语言模型 LLaMA。
Keras Loss Functions Used in Machine Learning: An In-depth Guide
为什么重要：在本文中，让我们了解 Keras 损失函数、它如何影响深度学习架构及其在现实生活中的应用。
这篇博客已经有一段时间没有介绍 Keras for R 的内容了，所以您可能认为该项目已经停产。 不是的！ 事实上，Keras for R 比以往任何时候都更好，最近的两个版本增加了强大的功能，大大减轻了以前繁琐的任务。 这篇文章提供了高层次的概述。 未来的文章将更详细地介绍一些最有用的新功能，并深入研究使前者成为可能的强大的低级增强功能。
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
Towards privacy: Encrypted deep learning with Syft and Keras
深度学习与隐私保护并非不可调和。联合学习支持设备上的分布式模型训练；加密使模型和梯度更新保持私密；差分隐私可防止训练数据泄露。如今，私密且安全的深度学习是一种新兴技术。在这篇文章中，我们介绍了 Syft，这是一个与 PyTorch 和 TensorFlow 集成的开源框架。在一个示例用例中，我们从 Keras 模型中获得私密预测。
Gaussian Process Regression with tfprobability
继续我们的 TensorFlow Probability (TFP) 应用之旅，在贝叶斯神经网络、汉密尔顿蒙特卡罗和状态空间模型之后，我们在这里展示了高斯过程回归的一个例子。事实上，我们看到的是一个相当“正常”的 Keras 网络，以非常常见的方式定义和训练，TFP 的变分高斯过程层发挥了所有魔力。
Getting started with Keras from R - the 2020 edition
正在寻找从 R 开始深度学习的材料？这篇文章介绍了新的 TensorFlow for R 网站上的有用教程、指南和背景文档。高级用户将找到指向最近 TensorFlow 2.0 文章中提到的新版本 2.0（或即将推出的 2.1！）功能的应用程序的指针。
Variational convnets with tfprobability
在贝叶斯神经网络中，层权重是分布，而不是张量。使用 tfprobability（TensorFlow Probability 的 R 包装器），我们可以构建具有概率层的常规 Keras 模型，从而“免费”获得不确定性估计。在这篇文章中，我们展示了如何定义、训练和从概率卷积神经网络中获得预测。
