關於 Keras 入門指南 開發者指南 程式碼範例 電腦視覺 自然語言處理 結構化資料 時間序列 生成式深度學習 音訊資料 強化學習 圖形資料 快速 Keras 食譜 使用 LoRA 和 QLoRA 對 Gemma 進行參數高效微調 使用簡單 Transformer 模型進行 Float8 訓練和推論 使用 TFServing 部署 TensorFlow 模型 Keras 除錯技巧 自訂 Conv2D 層的卷積運算 訓練器模式 端點層模式 Keras 模型中的可重現性 使用 TensorFlow NumPy 編寫 Keras 模型 簡單的自訂層範例：反整流器 模型訓練所需樣本大小估計 推薦系統的記憶體效率嵌入 建立 TFRecords 使用 Functional Subclassing 打包 Keras 模型以進行廣泛分發 使用混合密度網路逼近非函數映射 機率貝氏神經網路 知識蒸餾食譜 在 Keras 回呼中評估和匯出 scikit-learn 指標 如何在 TFRecord 檔案上訓練 Keras 模型 Keras 3 API 文件 Keras 2 API 文件 KerasTuner：超參數調整 KerasHub：預訓練模型
► 程式碼範例 / 快速 Keras 食譜

快速 Keras 食譜

Keras 使用技巧

V3
使用 LoRA 和 QLoRA 對 Gemma 進行參數高效微調
V3
使用簡單 Transformer 模型進行 Float8 訓練和推論
V3
Keras 除錯技巧
V3
自訂 Conv2D 層的卷積運算
V3
訓練器模式
V3
端點層模式
V3
Keras 模型中的可重現性
V3
使用 TensorFlow NumPy 編寫 Keras 模型
V3
簡單的自訂層範例：反整流器
V3
使用 Functional Subclassing 打包 Keras 模型以進行廣泛分發

部署

V3
使用 TFServing 部署 TensorFlow 模型

機器學習最佳實踐

V3
模型訓練所需樣本大小估計
V3
推薦系統的記憶體效率嵌入
V3
建立 TFRecords

其他

V2
使用混合密度網路逼近非函數映射
V2
機率貝氏神經網路
V2
知識蒸餾食譜
V2
在 Keras 回呼中評估和匯出 scikit-learn 指標
V2
如何在 TFRecord 檔案上訓練 Keras 模型
條款 | 隱私權