PythonPhasedLSTM的Keras实现

基于keras的口罩识别,其中包括了模型文件,直接python3 yolo_video.py --image就可以监测你的图片

基于Keras的attention实战，环境配置：Wn10+CPUi7-6700、Pycharm2018、python3.6、、numpy1.14.5、Keras2.0.2Matplotlib2.2.

基于keras的深度学习，采用tensorflow作为后台框架，使用InceptionResNetV2作为预训练模型。

简单的Keras模型,解决了斯坦福自然语言推理(SNLI)语料库使用求和复发性神经网络

Keras推荐系统的实现 该库包含Keras的修改版本(主要在layers / core.py中),用于实现各种推荐系统,包括深度结构化语义模型(DSSM),多视图DSSM(MV-DSSM),时态DS

segmentation_keras, 在Keras的图像分割中,DilatedNet 基于的语义分割的实现 of一种基于多尺度上下文聚集的语义分割的本机Keras实现方法,即扩展卷积。 可以选择使用

nmt-keras, 带 Keras ( theano/tensorflow )的神经机器翻译 nmt-keras 基于 Keras ( Theano和 Tensorflow )的神经机器。库文档：n

使用Keras的编程技巧 Keras-Tips-Tricks-and-Techniques-master.zip

注意中的Transformer模型是您所需要的:Keras实现。 变压器的Keras + TensorFlow实现:“”(Ashish Vaswani,Noam Shazeer,Niki Parmar

U-Net最初是用来对医学图像的语义分割，后来也有人将其应用于其他领域。但大多还是用来进行二分类，即将原始图像分成两个灰度级或者色度，依次找到图像中感兴趣的目标部分。本文主要利用U-Net网络结构实现