Pytorch没有官方的高阶API。一般通过nn.Module来构建模型并编写自定义训练循环。
我们在实践中通常会遇到的数据类型包括结构化数据，图片数据，文本数据，时间序列数据。
torchkeras 是在pytorch上实现的仿keras的高层次Model接口。有了它，你可以像Keras那样，对pytorch构建的模型进行summary，compile，fit，evaluate , predict五连击。一切都像行云流水般自然。...
本文将简要介绍经典卷积神经网络的基本原理，并以minst图片分类为例展示用Keras实现经典卷积神经网络的方法。
TensorFlow的高阶API主要为tf.keras.models提供的模型的类接口。
本文将介绍对Keras模型训练过程进行加速的方法。重点介绍Google 的Colab平台的免费GPU资源使用攻略。
损失函数除了作为模型训练时候的优化目标，也能够作为模型好坏的一种评价指标。但通常人们还会从其它角度评估模型的好坏。
本文将以Cifar2数据集为范例，介绍Keras对图片数据进行预处理并喂入神经网络模型的方法。
本文将以Titanic生存预测问题为范例，介绍对结构化数据进行预处理并喂入Keras模型的方法。
本文将简要介绍Keras的功能特点，使用Keras构建模型一般流程的6个步骤，以及使用Keras处理mnist分类问题的一个简单范例。
