无
入门指南
开发者指南
代码示例
计算机视觉
自然语言处理
结构化数据
时间序列
生成式深度学习
音频数据
强化学习
图数据
Keras 快速教程
使用 LoRA 和 QLoRA 对 Gemma 进行参数高效微调
使用简单的 Transformer 模型进行 Float8 训练和推理
使用 TFServing 部署 TensorFlow 模型
Keras 调试技巧
自定义 Conv2D 层的卷积操作
Trainer 模式
Endpoint 层模式
Keras 模型的可复现性
使用 TensorFlow NumPy 编写 Keras 模型
简单的自定义层示例:Antirectifier
估算模型训练所需的样本量
推荐系统中高效的内存嵌入
创建 TFRecords
使用 Functional Subclassing 打包 Keras 模型以广泛分发
使用混合密度网络近似非函数映射
概率贝叶斯神经网络
知识蒸馏教程
在 Keras 回调中评估和导出 scikit-learn 指标
如何训练 Keras 模型处理 TFRecord 文件
Keras 3 API 文档
Keras 2 API 文档
KerasTuner:超参数调优
KerasHub:预训练模型
KerasRS
快速入门
指南
API
示例
Keras Tuner
Keras RS
Keras Hub
代码示例
计算机视觉
自然语言处理
结构化数据
时间序列
生成式深度学习
音频数据
强化学习
图数据
Keras 快速教程
使用 LoRA 和 QLoRA 对 Gemma 进行参数高效微调
使用简单的 Transformer 模型进行 Float8 训练和推理
使用 TFServing 部署 TensorFlow 模型
Keras 调试技巧
自定义 Conv2D 层的卷积操作
Trainer 模式
Endpoint 层模式
Keras 模型的可复现性
使用 TensorFlow NumPy 编写 Keras 模型
简单的自定义层示例:Antirectifier
估算模型训练所需的样本量
推荐系统中高效的内存嵌入
创建 TFRecords
使用 Functional Subclassing 打包 Keras 模型以广泛分发
使用混合密度网络近似非函数映射
概率贝叶斯神经网络
知识蒸馏教程
在 Keras 回调中评估和导出 scikit-learn 指标
如何训练 Keras 模型处理 TFRecord 文件
►
代码示例
/ Keras 快速教程
Keras 快速教程
Keras 使用技巧
V3
使用 LoRA 和 QLoRA 对 Gemma 进行参数高效微调
V3
使用简单的 Transformer 模型进行 Float8 训练和推理
V3
Keras 调试技巧
V3
自定义 Conv2D 层的卷积操作
V3
Trainer 模式
V3
Endpoint 层模式
V3
Keras 模型的可复现性
V3
使用 TensorFlow NumPy 编写 Keras 模型
V3
简单的自定义层示例:Antirectifier
V3
使用 Functional Subclassing 打包 Keras 模型以广泛分发
部署
V3
使用 TFServing 服务 TensorFlow 模型
ML 最佳实践
V3
估算模型训练所需的样本量
V3
推荐系统中高效的内存嵌入
V3
创建 TFRecords
其他
V2
使用混合密度网络近似非函数映射
V2
概率贝叶斯神经网络
V2
知识蒸馏教程
V2
在 Keras 回调中评估和导出 scikit-learn 指标
V2
如何训练 Keras 模型处理 TFRecord 文件