可以使用 ‘Sequential’ API 建立順序模型，該 API 使用 ‘layers.experimental.preprocessing.Rescaling’ 方法。其他層在建立模型時指定。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？我們將使用 Keras Sequential API，它有助於構建用於處理普通層堆疊的順序模型，其中每一層都只有一個輸入張量和一個輸出張量。我們使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助在瀏覽器上執行 Python 程式碼，無需… 閱讀更多

我們將使用 flowers 資料集，其中包含數千張花的影像。它包含 5 個子目錄，每個子目錄對應一個類別。使用 ‘get_file’ 方法下載 flowers 資料集後，它將載入到環境中以供使用。可以透過在模型中引入歸一化層來標準化花卉資料。此層稱為 ‘Rescaling’ 層，它使用 ‘map’ 方法應用於整個資料集。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？我們使用 Google Colaboratory 來… 閱讀更多

藉助緩衝預取、shuffle 方法和 cache 方法，可以配置 flowers 資料集以提高效能。緩衝預取可用於確保可以從磁盤獲取資料，而不會使 I/O 成為阻塞操作。Dataset.cache() 將影像儲存在記憶體中，這些影像在第一個 epoch 期間從磁碟載入後。Dataset.prefetch() 將在訓練期間重疊資料預處理和模型執行。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？使用 Keras Sequential API，它有助於構建用於處理… 閱讀更多

假設我們有 flowers 資料集。可以使用 google API 下載 flowers 資料集，該 API 基本上鍊接到 flowers 資料集。可以使用 ‘get_file’ 方法將 API 作為引數傳遞。完成後，資料將下載到環境中。可以使用 ‘matplotlib’ 庫對其進行視覺化。‘imshow’ 方法用於在控制檯上顯示影像。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？我們將使用 Keras Sequential API，它有助於構建用於處理… 閱讀更多

可以使用 keras 預處理 API 預處理 flowers 資料集。它有一個名為 ‘image_dataset_from_directory’ 的方法，該方法接受驗證集、資料儲存的目錄以及其他引數來處理資料集。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？我們將使用 Keras Sequential API，它有助於構建用於處理普通層堆疊的順序模型，其中每一層都只有一個輸入張量和一個輸出張量。使用 keras.Sequential 模型建立影像分類器，並使用… 閱讀更多

可以使用 keras 預處理 API 將 flowers 資料集拆分為訓練集和驗證集，藉助 ‘image_dataset_from_directory’ 方法，該方法會要求提供驗證集的百分比分割。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？使用 keras.Sequential 模型建立影像分類器，並使用 preprocessing.image_dataset_from_directory 載入資料。有效地從磁碟載入資料。識別過擬合併應用技術來減輕它。這些技術包括資料增強和 dropout。有 3700 張花的影像。此資料集包含 5 個子目錄，每個子目錄… 閱讀更多

可以使用 Keras Sequential API 和 ‘PIL’ 包以及 ‘Image.open’ 方法來探索 flowers 資料集。不同的子目錄包含不同型別的花卉影像，這些影像可以在控制檯上進行索引和顯示。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？我們將使用 Keras Sequential API，它有助於構建用於處理普通層堆疊的順序模型，其中每一層都只有一個輸入張量和一個輸出張量。使用 keras.Sequential 模型建立影像分類器，並… 閱讀更多

可以使用 Keras Sequential API 和儲存資料集的 google API 下載 flowers 資料集。使用 API（URL）和 ‘get_file’ 方法來獲取資料集並將其儲存在記憶體中。閱讀更多：什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同建立神經網路？包含至少一層卷積層的神經網路稱為卷積層。卷積神經網路已被用於針對特定型別的問題（例如影像識別）產生良好的結果。使用 keras.Sequential 模型建立影像分類器，並… 閱讀更多

卷積神經網路可以使用‘evaluate’方法進行評估。此方法將測試資料作為引數。在此之前，資料使用‘matplotlib’庫和‘imshow’方法在控制檯上繪製。閱讀更多：什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？卷積神經網路已被用於解決特定型別的問題，例如影像識別，並取得了良好的效果。 我們使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory幫助在瀏覽器上執行Python程式碼，無需任何配置，並可免費訪問GPU（圖形…… 閱讀更多

卷積神經網路可以使用‘train’方法和‘fit’方法分別進行訓練和編譯。 ‘epoch’值在‘fit’方法中提供。閱讀更多：什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？我們將使用Keras Sequential API，它有助於構建一個順序模型，用於處理簡單的層堆疊，其中每一層只有一個輸入張量和一個輸出張量。包含至少一層卷積層的神經網路被稱為卷積神經網路。卷積神經網路已被用於…… 閱讀更多