Keras.js推荐一下网页上的 demo https://transcranial.github.io/keras-js/加载的比较慢，但是识别的非常快。Run Keras models (trained using Tensorflow backend) in your browser, with GPU support. Models are created directly from the Keras JSON-for

Keras最简单的安装方式就是：anaconda + pycharm + TensorFlow+（GPU或者CPU）TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。采用 pip 安装方式1.确

最近把服务器折腾一下，搞定这两个。

一、安装Tensorflow9=(cpu版）在cmd(命令行窗口win+R+输入cmd)或者Anaconda里，进入虚拟环境(conda activate + 虚拟环境名(不加，默认Base))，直接conda install tensorflow，然后自动下载相关依赖包二、安装Theano1.安装g++编译器(Theano需要g++编译器支持)

Keras.js推荐一下网页上的 demohttps://transcranial.github.io/keras-js/加载的比较慢，但是识别的非常快。Run Keras models (trained using Tensorflow backend) in your browser, with GPU support. Models are created directly from the Keras JSON-form

1. 模型初始化初始化定义了设置 Keras 各层权重随机初始值的方法。用来将初始化器传入 Keras 层的参数名取决于具体的层。通常关键字为 kernel_initializer 和 bias_initializer:model.add(Dense(64,kernel_initializer='random_uniform',bias_initializer='ze

1. 回调函数的使用回调函数是一个函数的合集，会在训练的阶段中所使用。你可以使用回调函数来查看训练模型的内在状态和统计。你可以传递一个列表的回调函数（作为 callbacks 关键字参数）到 Sequential 或 Model 类型的 .fit() 方法。在训练时，相应的回调函

1.使用conda install tensorflow-gpu2.使用pip install keras这里使用pip安装而不是使用conda，原因是使用conda安装会默认安装cpu版本的tensorflow使用conda安装会提示安装其他依赖包，这其中就包括cpu版本的tensorflow，这是我们不想要的。 所以千万不要使用

I am going through the following blog on LSTM neural network:http://machinelearningmastery.com/understanding-stateful-lstm-recurrent-neural-networks-python-keras/The author reshapes the input vector X as [samples, time steps, features] for

keras基于多层感知器的softmax多分类# 基于多层感知器的softmax多分类：```from keras.models import Sequential from keras.layers import Dense, Dropout, Activation from keras.optimizers import SGD import numpy as np x_train = np.random.random((10

模型量化的本质就是将模型中的参数按照一定的规则 把32位或者64位浮点数 转化位16位浮点数或者8位定点数。这里我用keras和numpy实现了16位和8位的量化，未考虑量化的科学合理性，仅仅是搞清楚量化本质的一次实验。量化"""#coding:utf-8__project_ = 'TF2learn