Keras 2.3 Docs
ປະກອບມີໂຄສະນາການຊື້ຢູ່ໃນແອັບ
1 ພັນ+
ດາວໂຫຼດ
ທຸກຄົນ
info
ກ່ຽວກັບແອັບນີ້
ເອກະສານ Keras 2.3
ການຮຽນຮູ້ເລິກເຊິ່ງ ສຳ ລັບມະນຸດ.
Keras ແມ່ນ API ທີ່ຖືກອອກແບບມາ ສຳ ລັບມະນຸດ, ບໍ່ແມ່ນເຄື່ອງຈັກ. Keras ປະຕິບັດຕາມການປະຕິບັດທີ່ດີທີ່ສຸດ ສຳ ລັບການຫຼຸດຜ່ອນການໂຫຼດທີ່ມັນສະ ໝອງ: ມັນມີໂປແກຼມ API ທີ່ສອດຄ່ອງແລະງ່າຍດາຍ, ມັນຫຼຸດຜ່ອນ ຈຳ ນວນການກະ ທຳ ຂອງຜູ້ໃຊ້ທີ່ ຈຳ ເປັນ ສຳ ລັບກໍລະນີການ ນຳ ໃຊ້ທົ່ວໄປ, ແລະມັນສະ ໜອງ ຂໍ້ຄວາມຜິດພາດທີ່ຈະແຈ້ງແລະສາມາດປະຕິບັດໄດ້. ມັນຍັງມີເອກະສານແລະຄູ່ມືນັກພັດທະນາຢ່າງກວ້າງຂວາງ.
ປະສົມກັບຄວາມໄວຂອງຄວາມຄິດ.
Keras ແມ່ນໂຄງຮ່າງການຮຽນຮູ້ເລິກທີ່ສຸດໃນກຸ່ມທີມທີ່ໄດ້ຮັບລາງວັນສູງສຸດ 5 ໃນ Kaggle. ເນື່ອງຈາກວ່າ Keras ເຮັດໃຫ້ມັນງ່າຍຕໍ່ການ ດຳ ເນີນການທົດລອງ ໃໝ່, ມັນຊ່ວຍໃຫ້ທ່ານສາມາດທົດລອງແນວຄວາມຄິດຫຼາຍກວ່າການແຂ່ງຂັນຂອງທ່ານ, ໄວກວ່າ. ແລະນີ້ແມ່ນວິທີທີ່ທ່ານຈະຊະນະ.
ການຮຽນຮູ້ເຄື່ອງ Exascale.
ສ້າງຂຶ້ນຢູ່ເທິງສຸດຂອງ TensorFlow 2.0, Keras ແມ່ນໂຄງຮ່າງຂອງຄວາມເຂັ້ມແຂງຂອງອຸດສາຫະກໍາທີ່ສາມາດຂະຫນາດໄປສູ່ກຸ່ມໃຫຍ່ຂອງ GPUs ຫຼືທັງຫມົດຂອງ TPU. ມັນບໍ່ພຽງແຕ່ເປັນໄປໄດ້ເທົ່ານັ້ນ; ມັນງ່າຍ.
ໃຊ້ໄດ້ທຸກບ່ອນ.
ໃຊ້ປະໂຫຍດຈາກຄວາມສາມາດໃນການ ນຳ ໃຊ້ຢ່າງເຕັມທີ່ຂອງແພລະຕະຟອມ TensorFlow. ທ່ານສາມາດສົ່ງອອກແບບ Keras ໄປຍັງ JavaScript ເພື່ອເຮັດວຽກໂດຍກົງໃນ browser, ໄປທີ່ TF Lite ເພື່ອໃຊ້ໃນ iOS, Android ແລະອຸປະກອນທີ່ຝັງໄວ້. ມັນຍັງງ່າຍທີ່ຈະໃຫ້ບໍລິການແບບ Keras ເຊັ່ນດຽວກັນຜ່ານ web API.
ລະບົບນິເວດທີ່ກວ້າງຂວາງ.
Keras ແມ່ນພາກກາງຂອງລະບົບນິເວດ TensorFlow 2.0 ທີ່ເຊື່ອມຕໍ່ກັນຢ່າງໄວວາ, ເຊິ່ງກວມເອົາທຸກໆຂັ້ນຕອນຂອງການເຮັດວຽກຂອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ, ຈາກການບໍລິຫານຂໍ້ມູນໄປຈົນເຖິງການຝຶກອົບຮົມ hyperparameter ກັບການແກ້ໄຂບັນຫາການ ນຳ ໃຊ້.
ການຄົ້ນຄວ້າແບບທັນສະ ໄໝ.
Keras ຖືກ ນຳ ໃຊ້ໂດຍ CERN, NASA, NIH, ແລະຫຼາຍອົງການຈັດຕັ້ງທາງວິທະຍາສາດທົ່ວໂລກ (ແລະແມ່ນແລ້ວ, Keras ຖືກ ນຳ ໃຊ້ຢູ່ LHC). Keras ມີຄວາມຍືດຫຍຸ່ນໃນລະດັບຕໍ່າເພື່ອປະຕິບັດແນວຄວາມຄິດການຄົ້ນຄວ້າທີ່ຕົນເອງມັກໃນຂະນະທີ່ ນຳ ສະ ເໜີ ຄຸນລັກສະນະທີ່ມີຄວາມສະດວກສະບາຍໃນລະດັບສູງເພື່ອເລັ່ງວົງຈອນການທົດລອງ.
ເປັນ superpower ທີ່ສາມາດເຂົ້າເຖິງໄດ້.
ຍ້ອນວ່າມັນງ່າຍຕໍ່ການ ນຳ ໃຊ້ແລະສຸມໃສ່ປະສົບການຂອງຜູ້ໃຊ້, Keras ແມ່ນວິທີການຮຽນຮູ້ທີ່ເລິກເຊິ່ງຂອງການເລືອກ ສຳ ລັບຫລັກສູດການສອນໃນມະຫາວິທະຍາໄລ. ມັນໄດ້ຖືກແນະ ນຳ ຢ່າງກວ້າງຂວາງວ່າເປັນ ໜຶ່ງ ໃນວິທີທີ່ດີທີ່ສຸດໃນການຮຽນຮູ້ການຮຽນແບບເລິກເຊິ່ງ.
ການຮຽນຮູ້ເລິກເຊິ່ງ ສຳ ລັບມະນຸດ.
Keras ແມ່ນ API ທີ່ຖືກອອກແບບມາ ສຳ ລັບມະນຸດ, ບໍ່ແມ່ນເຄື່ອງຈັກ. Keras ປະຕິບັດຕາມການປະຕິບັດທີ່ດີທີ່ສຸດ ສຳ ລັບການຫຼຸດຜ່ອນການໂຫຼດທີ່ມັນສະ ໝອງ: ມັນມີໂປແກຼມ API ທີ່ສອດຄ່ອງແລະງ່າຍດາຍ, ມັນຫຼຸດຜ່ອນ ຈຳ ນວນການກະ ທຳ ຂອງຜູ້ໃຊ້ທີ່ ຈຳ ເປັນ ສຳ ລັບກໍລະນີການ ນຳ ໃຊ້ທົ່ວໄປ, ແລະມັນສະ ໜອງ ຂໍ້ຄວາມຜິດພາດທີ່ຈະແຈ້ງແລະສາມາດປະຕິບັດໄດ້. ມັນຍັງມີເອກະສານແລະຄູ່ມືນັກພັດທະນາຢ່າງກວ້າງຂວາງ.
ປະສົມກັບຄວາມໄວຂອງຄວາມຄິດ.
Keras ແມ່ນໂຄງຮ່າງການຮຽນຮູ້ເລິກທີ່ສຸດໃນກຸ່ມທີມທີ່ໄດ້ຮັບລາງວັນສູງສຸດ 5 ໃນ Kaggle. ເນື່ອງຈາກວ່າ Keras ເຮັດໃຫ້ມັນງ່າຍຕໍ່ການ ດຳ ເນີນການທົດລອງ ໃໝ່, ມັນຊ່ວຍໃຫ້ທ່ານສາມາດທົດລອງແນວຄວາມຄິດຫຼາຍກວ່າການແຂ່ງຂັນຂອງທ່ານ, ໄວກວ່າ. ແລະນີ້ແມ່ນວິທີທີ່ທ່ານຈະຊະນະ.
ການຮຽນຮູ້ເຄື່ອງ Exascale.
ສ້າງຂຶ້ນຢູ່ເທິງສຸດຂອງ TensorFlow 2.0, Keras ແມ່ນໂຄງຮ່າງຂອງຄວາມເຂັ້ມແຂງຂອງອຸດສາຫະກໍາທີ່ສາມາດຂະຫນາດໄປສູ່ກຸ່ມໃຫຍ່ຂອງ GPUs ຫຼືທັງຫມົດຂອງ TPU. ມັນບໍ່ພຽງແຕ່ເປັນໄປໄດ້ເທົ່ານັ້ນ; ມັນງ່າຍ.
ໃຊ້ໄດ້ທຸກບ່ອນ.
ໃຊ້ປະໂຫຍດຈາກຄວາມສາມາດໃນການ ນຳ ໃຊ້ຢ່າງເຕັມທີ່ຂອງແພລະຕະຟອມ TensorFlow. ທ່ານສາມາດສົ່ງອອກແບບ Keras ໄປຍັງ JavaScript ເພື່ອເຮັດວຽກໂດຍກົງໃນ browser, ໄປທີ່ TF Lite ເພື່ອໃຊ້ໃນ iOS, Android ແລະອຸປະກອນທີ່ຝັງໄວ້. ມັນຍັງງ່າຍທີ່ຈະໃຫ້ບໍລິການແບບ Keras ເຊັ່ນດຽວກັນຜ່ານ web API.
ລະບົບນິເວດທີ່ກວ້າງຂວາງ.
Keras ແມ່ນພາກກາງຂອງລະບົບນິເວດ TensorFlow 2.0 ທີ່ເຊື່ອມຕໍ່ກັນຢ່າງໄວວາ, ເຊິ່ງກວມເອົາທຸກໆຂັ້ນຕອນຂອງການເຮັດວຽກຂອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ, ຈາກການບໍລິຫານຂໍ້ມູນໄປຈົນເຖິງການຝຶກອົບຮົມ hyperparameter ກັບການແກ້ໄຂບັນຫາການ ນຳ ໃຊ້.
ການຄົ້ນຄວ້າແບບທັນສະ ໄໝ.
Keras ຖືກ ນຳ ໃຊ້ໂດຍ CERN, NASA, NIH, ແລະຫຼາຍອົງການຈັດຕັ້ງທາງວິທະຍາສາດທົ່ວໂລກ (ແລະແມ່ນແລ້ວ, Keras ຖືກ ນຳ ໃຊ້ຢູ່ LHC). Keras ມີຄວາມຍືດຫຍຸ່ນໃນລະດັບຕໍ່າເພື່ອປະຕິບັດແນວຄວາມຄິດການຄົ້ນຄວ້າທີ່ຕົນເອງມັກໃນຂະນະທີ່ ນຳ ສະ ເໜີ ຄຸນລັກສະນະທີ່ມີຄວາມສະດວກສະບາຍໃນລະດັບສູງເພື່ອເລັ່ງວົງຈອນການທົດລອງ.
ເປັນ superpower ທີ່ສາມາດເຂົ້າເຖິງໄດ້.
ຍ້ອນວ່າມັນງ່າຍຕໍ່ການ ນຳ ໃຊ້ແລະສຸມໃສ່ປະສົບການຂອງຜູ້ໃຊ້, Keras ແມ່ນວິທີການຮຽນຮູ້ທີ່ເລິກເຊິ່ງຂອງການເລືອກ ສຳ ລັບຫລັກສູດການສອນໃນມະຫາວິທະຍາໄລ. ມັນໄດ້ຖືກແນະ ນຳ ຢ່າງກວ້າງຂວາງວ່າເປັນ ໜຶ່ງ ໃນວິທີທີ່ດີທີ່ສຸດໃນການຮຽນຮູ້ການຮຽນແບບເລິກເຊິ່ງ.
ອັບເດດແລ້ວເມື່ອ
ຄວາມປອດໄພເລີ່ມດ້ວຍການເຂົ້າໃຈວ່ານັກພັດທະນາເກັບກຳ ແລະ ແບ່ງປັນຂໍ້ມູນຂອງທ່ານແນວໃດ. ວິທີປະຕິບັດກ່ຽວກັບຄວາມເປັນສ່ວນຕົວ ແລະ ຄວາມປອດໄພຂອງຂໍ້ມູນອາດຈະແຕກຕ່າງກັນອີງຕາມການນຳໃຊ້, ພາກພື້ນ ແລະ ອາຍຸຂອງທ່ານ. ນັກພັດທະນາໃຫ້ຂໍ້ມູນນີ້ ແລະ ອາດຈະອັບເດດມັນເມື່ອເວລາຜ່ານໄປ.
ບໍ່ໄດ້ໄດ້ແບ່ງປັນຂໍ້ມູນກັບພາກສ່ວນທີສາມ
ສຶກສາເພີ່ມເຕີມ ກ່ຽວກັບວ່ານັກພັດທະນາປະກາດການແບ່ງປັນຂໍ້ມູນແນວໃດ
ບໍ່ໄດ້ເກັບກຳຂໍ້ມູນ
ສຶກສາເພີ່ມເຕີມ ກ່ຽວກັບວ່ານັກພັດທະນາປະກາດການເກັບກຳຂໍ້ມູນແນວໃດ
ມີຫຍັງໃໝ່
Keras 2.3 Documentation
ຝ່າຍຊ່ວຍເຫຼືອຂອງແອັບ
ກ່ຽວກັບນັກພັດທະນາແອັບ
GWEE KENG SHENG
dictson@nextlabs.cc
905, Jalan Melor 2,
Taman Tangkak Jaya,
84900 Tangkak
Johor
Malaysia
undefined
