C#实现： MD5加密， DES加密解密， RAS加密解密， 这是一些常用的加密解密方式，告别敏感信息泄露很有帮助。
2022-04-12 10:55:57
271KB
1
我就废话不多说了，大家还是直接看代码吧！
import keras
from keras.layers import Input,Dense,Conv2D
from keras.layers import MaxPooling2D,Flatten,Convolution2D
from keras.models import Model
import os
import numpy as np
from PIL import Image
from keras.optimizers import SGD
from scipy import misc
root_path = os.getcwd()
2022-03-26 11:28:22
106KB
1
在Keras中可以自定义损失函数，在自定义损失函数的过程中需要注意的一点是，损失函数的参数形式，这一点在Keras中是固定的，须如下形式：
def my_loss(y_true, y_pred):
# y_true: True labels. TensorFlow/Theano tensor
# y_pred: Predictions. TensorFlow/Theano tensor of the same shape as y_true
.
.
.
return scalar #返回一个标量值
然后在model.compile中指定即可，如：
model.compile(los
2022-02-23 13:48:32
33KB
1
在2.2.0版本前，
from keras import backend as K
from keras.engine.topology import Layer
class MyLayer(Layer):
def __init__(self, output_dim, **kwargs):
self.output_dim = output_dim
super(MyLayer, self).__init__(**kwargs)
def build(self, input_shape):
# 为该层创建一个可训练的权重
self.kernel = self
2022-02-09 12:29:50
54KB
1
在神经网络训练中，好的权重 初始化会加速训练过程。
下面说一下kernel_initializer 权重初始化的方法。
不同的层可能使用不同的关键字来传递初始化方法，一般来说指定初始化方法的关键字是kernel_initializer 和 bias_initializer
model.add(Dense(64, kernel_initializer=initializers.random_normal(stddev=0.01)))
# also works; will use the default parameters.
model.add(Dense(64, kernel_initial
2022-02-05 09:35:37
51KB
1
在网上搜过发现关于keras下的模型融合框架其实很简单，奈何网上说了一大堆，这个东西官方文档上就有，自己写了个demo：
# Function：基于keras框架下实现，多个独立任务分类
# Writer: PQF
# Time: 2019/9/29
import numpy as np
from keras.layers import Input, Dense
from keras.models import Model
import tensorflow as tf
# 生成训练集
dataset_size = 128*3
rdm = np.random.RandomState(1)
X
2021-12-29 11:03:56
50KB
1