7.2 深度学习模型调试和监控 本小节学习如何监控模型训练的过程。 7.2.1 模型训练中应用回调 当你训练模型时，有许多情况是在起始阶段预估不...

6.3 RNN高级用法 在本小节中，我们将学习三种高级方法提升RNN的性能和泛化能力。学完本小节你将会掌握使用Keras实现RNN的细节。我们将...

沉下心来，踏实干，会成功的。 6.2 理解循环神经网络（RNN） 前面所有见过的神经网络模型，比如，全联结网络和卷积网络，它们最主要的特征是没有...

6.1 深度学习之文本处理 文本是序列数据传播最广泛的形式之一，它可以理解成一个字母序列或者词序列，但是最常见的形式是词序列。后面章节介绍的深度...

3.6 房价预测：线性回归 前面两个例子都可以看成是分类问题，它的目标是预测某个输入数据点的单个离散label。常见的另外一类机器学习问题是线性...

3.5 新闻分类：多分类 在上一小节，学习了如何使用全联接神经网络将向量输入分为二类。但是，当需要多分类时该咋办呢？ 在本小节，你将学习构建神经...

3.4 电影影评分类 二元分类，或者称为二值分类，可能是应用最广泛的机器学习问题。通过学习本例，你将掌握如何基于文本内容将影评分为正、负二类。 ...

2.2 神经网络的数据表示 在上面的例子中，数据存储为多维Numpy数组，也称为张量（tensor）。当前流行的机器学习系统都以张量作为基本数据...