环境使用keras为前端，TensorFlow为后端本次构建一个网络，将路透社新闻划分为46个类别。因为有多个类别，所以这是多分类问题。每个数据点只能划分到一个类别，所以，这是一个单标签，多分类问题。如果每个数据点可以划分到多个类别，那么就是多标签，多分类问题。首先加载数据集from keras.datasets import reuters#限定为前10000个最常出现的单词(...

环境使用keras为前端，TensorFlow为后端背景：  波士顿房价数据集统计了当时教区部分的犯罪率、房产税等共计13个指标，统计出房价，试图能找到那些指标与房价的关系。首先加载数据集from keras.datasets import boston_housing(train_data, train_targets), (test_data, test_targets)...

首先需要下载相关的数据集，可从kaggle官网进行下载下载的数据集分为train和test两部分，而train数据集中的图像并非都是连续的，所以若要截取部分图像进行训练，则应注意首先创建属于自己的数据集，此次学习并没有用到所以的数据，而只有2000张训练图像，1000张测试图像和1000张验证图像import os,shutil#原始训练数据存放位置，在当前目录下的dog-and-...

学习样本过少就会导致过拟合问题的产生，如果有足够的样本数量的支持，那么模型就能够观察到所有的分布情况，就永远不会导致过拟合。，数据增强是从现有的训练样本中生成更多的训练数据，其方法是利用多种能够生成可信图像的随机变换来增加样本。其目标是，模型在训练时不会查看到完全相同的图像。折就能让模型观察到数据的更多内容。#接着上一篇博客#rotation_range:表示图像随机旋转的角度范围#wi...