keras官方中文文档链接：https://keras.io/zh/

官方中文文档对应的Github：https://github.com/keras-team/keras-docs-zh/

===============================================================

keras系列︱深度学习五款常用的已训练模型

https://blog.csdn.net/meyh0x5vDTk48P2/article/details/79722878

这部分对应的官方文档中的内容在https://keras.io/zh/applications/，官方文档中讲解了如何使用带预训练权值的深度学习模型进行预测、特征提取和微调，提供的模型有：

在使用时，如果代码自动下载预训练模型权值失败，建议手动下载。

170718 Keras.applications.models权重在线加载中断问题的解决办法：https://blog.csdn.net/qq_33039859/article/details/75321961。

各版本手动下载地址：https://github.com/fchollet/deep-learning-models/releases，网址去掉release也可以看看。

************************************************************************************************

好记性不如烂笔头，及时整理及时回顾才是硬道理啊。有很多已经探索过的问题下次碰到还是from scratch的感觉，所以还是要多记录，多整理，要不就忘光了。

# keras
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局