我们将使用 Flask（Python 框架）作为 REST API 的后端，使用 Flutter 作为移动应用程序，使用 Keras 作为图像分类的后端。 我们还将使用 MongoDB 作为我们的数据库，存储有关图像的数据并使用 Keras ResNet50 模型对图像进行分类。

本文演示了如何使用由 Keras 构建的深度学习模型，设置端点以提供预测服务。 它首先介绍了一个使用 Flask 设置 Python 端点的示例，然后展示了在使用 Flask 构建用于预测的 Keras 端点时，需要解决的一些问题。

背景通常需要抽象出您的机器学习模型细节，然后将其与易于使用的 API 端点部署或集成。 例如，我们可以提供一个 URL 端点，任何人都可以使用它来发出 POST 请求，他们将获得模型推断的 JSON 响应，而不必担心其技术问题。在本教程中，我们将创建一个 TensorFlow Serving 服务器，部署我们在 Keras 中构建的 InceptionV3 图像分类卷积神经网络 (CNN)。...

特点使用 Python 和 Keras mxnet 库掌握应用于实际、现实世界计算机视觉问题的深度学习的指南学习如何将深度学习应用于图像分类、对象检测、大规模数据集上的训练网络等项目专注于以一种或另一种方式提高分类准确性的方法，提高分类准确性的一种方法是应用迁移学习方法，例如微调或将网络视为特征提取器。探索集成方法（即训练多个网络并组合结果）以及这些方法如何能够以很少的额外努力为您提供良好的...

我们将以Keras的示例讨论简单的神经网络及其定义。在传统机器学习上使用神经网络来提高准确性和更大的复杂数据。神经网络神经网络在全球各行各业中都在蓬勃发展。 它涉及用于回归，分类，聚类等的传统机器学习算法。当我们获取大量复杂数据时，就会出现准确性，过拟合以及有时需要花费更多时间进行测试和培训的问题。神经网络的基本类型人工神经网络卷积神经网络递归神经网络神经网络是处理非线性数据的很好算法。感知...

多角度探索PyTorch多角度机器学习超参数优化TensorFlow经济和金融深度学习模型边缘深度学习Python深度学习序列对序列深度学习移动动作深度学习搜索深度学习自然语言处理深度学习PyTorch深度学习表格数据和关系数据库深度学习视觉深度学习TensorFlow.js深度学习R语言深度学习Keras和TensorFlow概率深度学习R语言和Keras深度学习Python和Keras深...