数据科学竞赛是学习各类算法、深入理解数据科学、提升和挑战自己的绝佳机会，而这些竞赛中有一些常用的模型。

一：理论部分embedding和变长输入处理序列式问题循环神经网络LSTM模型原理二：实战keras实现embeddingkeras搭建循环神经网络文本生成文本分类1.1embed

使用Keras Tuner进行超参数调整可以将您的分类神经网络网络的准确性提高10％。

通过使用深度学习实现分类问题的动手演练，如何绘制问题以及如何改善其结果，来了解TensorFlow的最新版本。

移动互联网时代的开启使得图片的获取与分享越来越容易，图片已经成为人们交互的重要媒介。如何根据图像的视觉内容为图像赋予一个语义类别（例如，教室、街道等）是图像场景分类的目标，也是图像检索、图像内容分析和目标识别等...

keras可视化网络结构报错ImportError: Failed to import `pydot`. Please install `pydot`. For example with `pip install pydot`

你可以使用 model.save(filepath) 将 Keras 模型保存到单个 HDF5 文件中，该文件将包含：

如果你以 TensorFlow 或 CNTK 后端运行，只要检测到任何可用的 GPU，那么代码将自动在 GPU 上运行。

Keras 函数式 API 是定义复杂模型（如多输出模型、有向无环图，或具有共享层的模型）的方法。

在如今无数深度学习框架中，为什么要使用 Keras 而非其他？以下是 Keras 与现有替代品的一些比较。