KerasDLDemo Keras深度学习一些基础和Demo Chapter-03 多层感知机分类糖尿病诊断 Chapter-05 评估深度学习模型 数据集为糖尿病数据集 手动分离数据集 k折交叉验证 Chapter-06 Keras中使用Scikit-Learn 数据集为糖尿病数据集 使用交叉验证评估模型 深度学习模型调参 Chapter-07 多分类实例：鸢尾花分类 使用Keras+Sklearn+交叉验证进行分类 Chapter-08 回归问题实例:波士顿房价预测 Pipeline+KFold+GridSearchCV+Sklearn Chapter-09 二分类实例:银行营销分类 KerasClassifier+cross_val_score+KFold+StandardScaler+GridSearchCV Chapter-10 多层感知机进阶 JSON序列化模型 YAML序列化模型 模型增量更新 神经网络检查点 模型训练过程可视化 Chapter-11 Dropout与学习率衰减 Dropout的使用 学习率指数衰减 学习率线性衰减 Chapter-13 Mnist手写数字识别 MLP 简单CNN 复杂CNN Chapter-14 Keras中的图像增强 特征标准化 ZCA白化 随机旋转、移动、剪切和反转图像 保存增强后的图像 Chapter-15 图像识别实例：CIFAR-10分类 简单CNN 复杂CNN Chapter-16 情感分类实例：IMDB影评情感分析 MLP CNN Chapter-18 MLP时间序列分析：国际旅行人数预测 MLP 使用窗口方法的MLP Chapter-19 LSTM时间序列问题预测：国际旅行人数预测 LSTM处理回归问题 使用窗口方法的LSTM回归 使用时间步长的LSTM回归 LSTM批次间记忆 堆叠LSTM的批次间记忆 Chapter-20 序列分类：IMDB影评分类 SimpleLSTM 混合使用LSTM和CNN Chapter-21 多变量时间序列预测：PM2.5预报 SimpleLSTM 生成文本 参考自魏贞原老师的《深度学习 基于Keras的Python实战》，进行基础的知识概括与复习回顾