Layer activation functions Usage of activations Activations can either be used through an Activation layer, or through the activation argument supported by all forward layers:
オプティマイザ（最適化アルゴリズム）の利用方法 オプティマイザ（最適化アルゴリズム）はモデルをコンパイルする際に必要となるパラメータの1つです: from keras import optimizers model = Sequential() model.add(Dense(64, kernel_initializer='uniform', input_shape=(10,))) model.add(Activation('tanh')) model.add(Activation('softmax')) sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='mean_squared_error', optimizer=sgd) 上記の例のように，オプティマイザの
はじめに Keras モデルは以下の複数のコンポーネントで構成されています。 アーキテクチャー/構成（モデルに含まれるレイヤーとそれらの接続方法を指定する） 重み値のセット（「モデルの状態」） オプティマイザ（モデルのコンパイルで定義する） 損失とメトリックのセット（モデルのコンパイルで定義するか、add_loss()またはadd_metric()を呼び出して定義する） Keras API を使用すると、これらを一度にディスクに保存したり、一部のみを選択して保存できます。 すべてを TensorFlow SavedModel 形式（または古い Keras H5 形式）で１つのアーカイブに保存。これは標準的な方法です。 アーキテクチャ/構成のみを（通常、JSON ファイルとして）保存。 重み値のみを保存。（通常、モデルのトレーニング時に使用）。 では、次にこれらのオプションの用途と機能をそれ
オミータです。ツイッターで人工知能のことや他媒体で書いている記事など を紹介していますので、人工知能のことをもっと知りたい方などは気軽に@omiita_atiimoをフォローしてください！ 【決定版】スーパーわかりやすい最適化アルゴリズム 深層学習を知るにあたって、最適化アルゴリズム(Optimizer)の理解は避けて通れません。 ただ最適化アルゴリズムを理解しようとすると数式が出て来てしかも勾配降下法やらモーメンタムやらAdamやら、種類が多くあり複雑に見えてしまいます。 実は、これらが作られたのにはしっかりとした流れがあり、それを理解すれば 簡単に最適化アルゴリズムを理解することができます 。 ここではそもそもの最適化アルゴリズムと損失関数の意味から入り、最急降下法から最適化アルゴリズムの大定番のAdamそして二階微分のニュートン法まで順を追って 図をふんだんに使いながら丁寧に解説 し
Callbacks API A callback is an object that can perform actions at various stages of training (e.g. at the start or end of an epoch, before or after a single batch, etc). You can use callbacks to: Write TensorBoard logs after every batch of training to monitor your metrics Periodically save your model to disk Do early stopping Get a view on internal states and statistics of a model during training
コールバックの使い方 コールバックは訓練中で適用される関数集合です．訓練中にモデル内部の状態と統計量を可視化する際に，コールバックを使います．SequentialとModelクラスの.fit()メソッドに（キーワード引数callbacksとして）コールバックのリストを渡すことができます．コールバックに関連するメソッドは，訓練の各段階で呼び出されます． [source] Callback keras.callbacks.Callback() この抽象基底クラスは新しいコールバックを構築するために使用されます． プロパティ params: 辞書．訓練のパラメータ（例: 冗長性，バッチサイズ，エポック数...）． model: keras.models.Modelのインスタンス．学習されたモデルへの参照． コールバック関数が引数としてとる辞書のlogsは，現在のバッチ数かエポック数に関連したデー
[source] Dense keras.layers.Dense(units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None) 通常の全結合ニューラルネットワークレイヤー． Denseが実行する操作：output = activation(dot(input, kernel) + bias)ただし，activationはactivation引数として渡される要素単位の活性化関数で，kernelはレイヤーによって
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AWS Deep Learning AMIs
https://docs.aws.amazon.com/dlami/