Difference between revisions of "Keras"
Jump to navigation
Jump to search
Onnowpurbo (talk | contribs) |
Onnowpurbo (talk | contribs) |
||
| Line 33: | Line 33: | ||
* [[Trains a simple CNN-Capsule Network on the CIFAR10 small images dataset]] | * [[Trains a simple CNN-Capsule Network on the CIFAR10 small images dataset]] | ||
* [[Trains a ResNet on the CIFAR10 small images dataset]] | * [[Trains a ResNet on the CIFAR10 small images dataset]] | ||
| + | |||
| + | |||
| + | ==Time Series== | ||
Revision as of 07:11, 6 August 2019
Keras adalah API neural network tingkat tinggi, ditulis dengan Python dan mampu berjalan di atas TensorFlow, CNTK, atau Theano. Keras dikembangkan dengan fokus pada memungkinkan eksperimen cepat. Mampu beralih dari ide ke hasil dalam waktu singkat sehingga memungkinkan untuk menjadi kunci untuk melakukan penelitian yang baik.
Gunakan Keras jika anda membutuhkan Library Deep Learning untuk:
- Memungkinkan pembuatan prototipe yang mudah dan cepat (melalui keramahan pengguna, modularitas, dan ekstensibilitas).
- Mendukung convolutional network dan recurrent network, serta kombinasi keduanya.
- Berjalan mulus di CPU dan GPU.
Dokumentasi Keras ada di Keras.io. Keras kompatible dengan: Python 2.7-3.6.
Referensi
- https://keras.io/
- https://github.com/keras-team/keras
- https://github.com/keras-team/keras/tree/master/examples
Referensi
- Keras: asal usul Keras
- Keras: Konsep Secara Umum
- Regresi Linier
- Keras: Instalasi
- Keras: Konfigurasi Backend
- Keras: LSTM IoT
Vision models examples
- Trains a simple deep multi-layer perceptron on the MNIST dataset
- Trains a simple convnet on the MNIST dataset
- Trains a simple deep CNN on the CIFAR10 small images dataset
- Trains a simple CNN-Capsule Network on the CIFAR10 small images dataset
- Trains a ResNet on the CIFAR10 small images dataset