吴恩达深度学习课程编程作业第10页

如何理解深度学习中迁移学习、预训练、微调的概念

说明本文为观看吴恩达深度学习课程视频所做的学习笔记吴恩达deeplearning.aiPart3结构化机器学习项目第二周机器学习（ML）策略（2）2.7迁移学习正文假设已经训练好一个图像识别神经网络，如果让这个图像识别神经网络适应或者说迁移不同任务中学到的知识

全幼儿园最聪明·2023-10-15 04:13

吴恩达深度学习笔记(31)-为什么正则化可以防止过拟合

为什么正则化有利于预防过拟合呢？（Whyregularizationreducesoverfitting?）为什么正则化有利于预防过拟合呢？为什么它可以减少方差问题？我们通过两个例子来直观体会一下。左图是高偏差，右图是高方差，中间是JustRight，这几张图我们在前面课程中看到过。现在我们来看下这个庞大的深度拟合神经网络。我知道这张图不够大，深度也不够，但你可以想象这是一个过拟合的神经网络。这是

极客Array·2023-10-14 20:17

数据结构Review——线性表练习（约瑟夫问题）

题目来源：中国大学MOOC-北京大学《数据结构与算法》-第二章线性表编程作业3、约瑟夫问题（10分）题目内容：有n只猴子，按顺时针方向围成一圈选大王（编号从1到n），从第1号开始报数，一直数到m，数到m

偏安zzcoder·2023-10-14 19:16

数据结构Review——线性表练习（字符串插入）

题目来源：中国大学MOOC-北京大学《数据结构与算法》-第二章线性表编程作业1、字符串插入（10分）题目内容：有两个字符串str和substr，str和substr的字符个数不超过10^5，只包含大小写字母和数字

偏安zzcoder·2023-10-14 19:46

深度学习自学2.0

咬树羊·2023-10-14 17:19

c语言大作业点歌系统,基于C语言的KTV点歌系统

0x00.前言更换了编辑器为markdown，来码一个以前的编程作业，KTV点歌系统.0x01.选题模拟KTV点歌系统。用户可按歌名查找某首歌曲或按歌手名查找其所有歌曲，点歌后显示所点歌曲歌词。

美人瑜妈咪·2023-10-14 13:05

吴恩达机器学习——Andrew Ng machine-learning-ex2 python实现

目录Exercise2:LogisticRegression1.LogisticRegression1.1Plotting1.2sigmoidfunction1.3Costfunctionandgradient1.4Optimize1.5Predict2.Regularizedlogisticregression2.1Plotting2.2Costfunctionandgradient2.3Opt

令狐傻笑·2023-10-14 05:24

从零开始基于LLM构建智能问答系统的方案

LLM的端到端问答系统，应该包括用户输入检验、问题分流、模型响应、回答质量评估、Prompt迭代、回归测试，随着规模增大，围绕Prompt的版本管理、自动化测试和安全防护也是重要的话题，部分代码参考自吴恩达老师

骑猪兜风233·2023-10-13 14:56

C语言编程作业参考答案

编程题参考答案文章目录编程题参考答案week1_test选择结构-编程题循环结构上机练习数组编程函数编程2week1_testWriteaprogramtooutputtheaverageof2integers.#includevoidmain(){inta,b;doublec;printf("Pleaseenter1integers\n");scanf("%d",&a);printf("Plea

举焰·2023-10-13 05:18

吴恩达深度学习第二门课第一周总结

吴恩达深度学习第二门课第一周总结一、梯度消失/爆炸及解决办法二、正则化方法先上目录：从目录可以看到第一周主要解决了两个问题：过拟合，预防梯度消失/梯度爆炸。现在分别来讨论并进行代码实现。

半个女码农·2023-10-12 00:37

吴恩达深度学习第一门课学习总结

吴恩达老师深度学习第一门课的核心就是理解前向传播，计算cost，反向传播三个步骤（其实只要静下心来把教程里的公式在草稿纸上推一遍，也不会很难），吴恩达老师主要是通过逻辑回归来讲解这些概念首先是如何处理输入样本

半个女码农·2023-10-12 00:37

吴恩达《Machine Learning》-machine-learning-ex1线性回归作业（一）

ex1.m%%MachineLearningOnlineClass-Exercise1:LinearRegression%Instructions%------------%%Thisfilecontainscodethathelpsyougetstartedonthe%linearexercise.Youwillneedtocompletethefollowingfunctions%inthis

丰brother·2023-10-11 12:30

Andrew Ng 机器学习&深度学习课程代码作业解答集合

写在最前2018年是对自己来说是崭新的一年，在过去的3个多月里，从最基础的lr，学到现在的LSTM,GAN..感觉第一次追上了计算机科学飞速发展的浪潮。虽然很多地方都仍是一知半解，但时间还长，还是可以学到更多前沿的技术。算是给自己鼓励吧。Ng的入门课程MachineLearning与DeepLearning很赞，从小白一个个练习做了过来感觉受益良多。下面是自己完成的练习，作业代码已上传github

SunStriKE·2023-10-11 00:10

机器学习代码实现篇——SVM

1.4带约束的最优化问题求解1.5核函数(kernel)1.6SMO算法2.SVM代码详解2.1源码分析2.2实践检验 吴恩达老师课程中的SVM介绍比较简单直观化，但是理论推导不够，这篇博客本着手写代码实现

lavendelion·2023-10-11 00:17

（一）线性回归与特征归一化(feature scaling)

吴恩达机器学习视频https://study.163.com/course/courseMain.htm?

xiangkej·2023-10-11 00:46

吴恩达《微调大型语言模型》笔记

微调（fine-tuning）就是利用特有数据和技巧将通用模型转换为能执行具体任务的一种方式。例如，将GPT-3这种通用模型转换为诸如ChatGPT这样的专门用于聊天的模型。或者将GPT-4转换为诸如GitHubCoplot这样的专门用于写代码的模型。这里的微调特指生成式任务上的微调。在这种方式中，需要更新整个模型的权重，而不是像其他模型一样只更新部分权重微调的训练目标与预训练时的目标相同，目的是

小小白2333·2023-10-10 01:24

吴恩达机器学习（十九）—— 异常检测

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。

大彤小忆·2023-10-09 16:44

《deep learning》前两周课程总结

学习深度学习，当然从吴恩达的《deeplearning》开始，原理讲得很透彻也很易懂，适合我这种没什么基

liuchungui·2023-10-09 06:16

LSTM在text embedding中的作用(Cross modal retrieval)

如图吴恩达深度学习课程中LSTM结构图：相比于原始的RN

__main__·2023-10-09 01:00

吴恩达深度学习＜笔记＞优化算法

吴恩达深度学习优化算法一、1.Mini-batchgradientdescent二、GradientdescentwithmomentumRMSpropAdam优化算法学习率衰减一、1.Mini-batchgradientdescent

不自知的天才·2023-10-07 20:58

吴恩达深度学习笔记优化算法

一、Mini-batchgradientdescent(小批量梯度下降法)Mini-batch：把整个训练数据集分成若干个小的训练集，即为Mini-batch。为什么要分？梯度下降法必须处理整个训练数据集，才能进行下一次迭代。当训练数据集很大时，对整个训练集进行一次处理，处理速度较慢。但是如果每次迭代只使用一部分训练数据进行梯度下降法，处理速度就会变慢。而处理的这些一小部分训练子集即称为Mini-

uponwyz·2023-10-07 20:27

【深度学习】吴恩达-学习笔记优化算法（动量梯度，RMSprop，Adam）、参数初始化、Batch Norm

目录动量梯度下降法：让梯度下降的过程中纵向波动减小RMSprop:消除梯度下降中的摆动Adam优化算法:神经网络参数初始化学习率衰减BatchNorm关于Batch_norm:Batch_norm在测试时：动量梯度下降法：让梯度下降的过程中纵向波动减小动量梯度下降法采用累积梯度来代替当前时刻的梯度。直观来讲，动量方法类似把球推下山，球在下坡时积累动力，在途中速度越来越快，如果某些参数在连续时间内梯

—Xi—·2023-10-07 20:55

2.2吴恩达深度学习笔记之优化算法

1.Mini_batchgradientdescent小批量梯度下降法思想：batchgd是一次性处理所有数据，在数据集较大时比如500万个样本，一次迭代的时间会很长，而mini_batchgd是把数据集分为多个子数据集，每个eopch中对子集进行一次处理实现：实现mini_batch分为两步，第一步shuffle，将原集打乱，乱序步骤确保将样本被随机分成不同的小批次。第二步partition分割

Traviscxy·2023-10-07 20:25

【无标题】

【机器学习】机器学习笔记（吴恩达）-CSDN博客1.误差平方代价函数，对于大多数问题，特别是回归问题，都是一个合理的选择。2.梯度下降会自动采取更小的步骤，所以不需要随时间减小学习率a。

FlyingAnt_·2023-10-06 20:53

吴恩达机器学习（八）

异常检测第一百二十三课：问题动机什么是异常检测？判断xtext，即新的飞机引擎是否能像一个正常的引擎一样工作？更正式的定义：建立模型p(x)，将xtest与p(x)进行比较：欺诈检测：寻找网站中操作异常的用户工业生产领域计算机机群管理第一百二十四课：高斯分布正态分布两个参数，均值u；方差σ^2u控制钟形曲线的中心位置，σ控制钟形曲线的宽度例子：阴影面积的积分都是1！参数估计问题：参数估计问题就是给

带刺的小花_ea97·2023-10-06 10:31

C语言初阶⑥（操作符详解）编程作业（算数转换）

知识点移位操作符移位运算符可以在二进制的基础上对数字进行平移。>右移操作符移位操作符的操作数只能是整数。左移操作符移位规则：左边抛弃、右边补0右移操作符移位规则：首先右移运算分两种：1.逻辑移位左边用0填充，右边丢弃2.算术移位左边用原该值的符号位填充，右边丢弃#includeintmain(){//移位操作符移动的是它的二进制位//>右移intc=8;//00000000000000000000

GR_C·2023-10-05 17:29

sheng的学习笔记-【中文】【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第三周测验

课程1_第3周_测验题目录：目录第一题1.以下哪一项是正确的？A.【】a[2](12)a^{[2](12)}a[2](12)是第12层，第2个训练数据的激活向量。B.【】X是一个矩阵，其中每个列都是一个训练示例。C.【】a4[2]a^{[2]}_4a4[2]是第2层，第4个训练数据的激活输出。D.【】a4[2]a^{[2]}_4a4[2]是第2层，第4个神经元的激活输出。E.【】a[2]

coldstarry·2023-10-05 09:54

单层神经网络的搭建

此博客基于优达学院的深度学习课程搭建一个简单的神经网络总结神经网络是一种在数据中识别模式的算法反向传播是一种在更新权重训练过程中采用的一种技术这个过程使用的是梯度下降法深度学习=多层神经网络+大数据+大量的计算实例课程中的实例搭建了一个单层只有一个神经元的神经网络使用该神经网络进行了一次简单的预测下面进行重现课上的代码争取本周能独立写出一个三层的神经网络

Ivan__1999·2023-10-05 07:54

sheng的学习笔记-【中英】【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第四周测验

课程1_第4周_测验题目录：目录第一题1.在我们的前向传播和后向传播实现中使用的“缓存”是什么？A.【】它用于在训练期间缓存成本函数的中间值。B.【】我们用它将在正向传播过程中计算的变量传递到相应的反向传播步骤。它包含了反向传播计算导数的有用值。C.【】它用于跟踪我们正在搜索的超参数，以加快计算速度。D.【】我们用它将反向传播过程中计算的变量传递到相应的正向传播步骤。它包含用于计算正向传播

coldstarry·2023-10-04 21:56

ubuntu之路——day10.4 什么是人的表现

结合吴恩达老师前面的讲解，可以得出一个结论：在机器学习的早期阶段，传统的机器学习算法在没有赶超人类能力的时候，很难比较这些经典算法的好坏。也许在不同的数据场景下，不同的ML算法有着不同的表现。

初仔仔·2023-10-04 20:31

sheng的学习笔记-【中文】【吴恩达课后测验】Course 2 - 改善深层神经网络 - 第二周测验

课程2_第2周_测验题目录：目录第一题1.当输入从第8个mini-batch的第7个的例子的时候，你会用哪种符号表示第3层的激活？A.【】a[3]{8}(7)a^{[3]\{8\}(7)}a[3]{8}(7)B.【】a[8]{7}(3)a^{[8]\{7\}(3)}a[8]{7}(3)C.【】a[8]{3}(7)a^{[8]\{3\}(7)}a[8]{3}(7)D.【】a[3]{7}(8)

coldstarry·2023-10-04 19:46

sheng的学习笔记-【中文】【吴恩达课后测验】Course 2 - 改善深层神经网络 - 第三周测验

课程2_第3周_测验题目录：目录第一题1.如果在大量的超参数中搜索最佳的参数值，那么应该尝试在网格中搜索而不是使用随机值，以便更系统的搜索，而不是依靠运气，请问这句话是正确的吗？A.【】对B.【】不对答案：B.【√】不对第二题2.每个超参数如果设置得不好，都会对训练产生巨大的负面影响，因此所有的超参数都要调整好，请问这是正确的吗？A.【】对B.【】不对答案：B.【√】不对第三题3.在超参数

coldstarry·2023-10-04 19:46

sheng的学习笔记-【中文】【吴恩达课后测验】Course 2 - 改善深层神经网络 - 第一周测验

课程2_第1周_测验题目录：目录第一题1.如果你有10,000,000个例子，你会如何划分训练/验证/测试集？A.【】33%训练，33%验证，33%测试B.【】60%训练，20%验证，20%测试C.【】98%训练，1%验证，20%测试答案：C.【√】98%训练，1%验证，20%测试第二题2.验证集和测试集应该：A.【】来自同一分布B.【】来自不同分布C.【】完全相同（一样的(x,y)对

coldstarry·2023-10-04 19:45

sheng的学习笔记-【目录】【中文】【deplearning.ai】【吴恩达课后作业目录】

学习吴恩达的深度学习，用于记录笔记知识目录和引用文章原文见下面，但已经变为收费的：【目录】【中文】【deplearning.ai】【吴恩达课后作业目录】_吴恩达深度学习何宽-CSDN博客免费的用于学习的

coldstarry·2023-10-04 19:15

sheng的学习笔记-【中文】【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第一周测验

课程1_第1周_测验题目录：目录第一题1.“人工智能是新电力”这个比喻指的是什么？A.【】人工智能为我们的家庭和办公室的个人设备供电，类似于电力。B.【】通过“智能电网”，人工智能正在传递新一波的电力。C.【】人工智能在计算机上运行，因此由电力驱动，但它让计算机做以前不可能做的事情。D.【】与100年前开始的电力类似，人工智能正在改变多个行业。答案：D.【√】与100年前开始的电力类似，人

coldstarry·2023-10-04 19:13

sheng的学习笔记-【中文】【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第二周测验

课程1_第2周_测验题目录：目录第一题1.神经元计算什么？A.【】神经元计算激活函数后，再计算线性函数（z=Wx+b）B.【】神经元计算一个线性函数（z=Wx+b），然后接一个激活函数C.【】神经元计算一个函数g，它线性地缩放输入x（Wx+b）D.【】神经元先计算所有特征的平均值，然后将激活函数应用于输出答案：B.【√】神经元计算一个线性函数（z=Wx+b），然后接一个激活函数第二题2.以

coldstarry·2023-10-04 19:13

帮做MAST20005/MAST9005编程作业、JSP语言代写留学生、帮做Python实验、数据结构语言代做

MAST20005/MAST90058:Assignment2Duedate:10am,Friday14September2018Instructions:Questionslabelledwith‘(R)’requireuseofR.PleaseprovideappropriateRcommandsandtheiroutput,alongwithsucientexplanationandinte

pbsz757·2023-10-01 19:46

吴恩达机器学习——无监督学习

1.k-means的步骤：先随机选择K个簇中心，1）划分样本：每个样本分配到距离最近的簇。2）更新簇中心位置：计算分配之后每个簇的中心位置，更新簇中心位置。迭代上述过程，直到簇中心位置不变。2.代价函数迭代完成后，每个样本距离所属簇中心的距离的均方和。稍微说明了下，上述迭代过程就是最小化代价函数的过程（分别从样本相对于簇中心的距离，和簇的位置，两个维度的最小化）3.随机初始化建议的做法，随机选择K

睡不好觉的梨·2023-10-01 15:44

Python 使用SMTP协议发送邮件

引言问题基于《计算机网络自定向下》第二章的课后套接字编程作业：邮件客户题目的下载链接：python压缩包题目如下：这个实验结束时，您将能够更好地了解SMTP协议。

齐硕君·2023-09-30 07:51

吴恩达《Machine Learning Yearning》学习笔记-1

第一部分：数据准备-建立合适的开发集和测试集1.从相同的分布中选择开发集和测试集，且开发集和测试集数据需要与你预期的算法使用场景保持一致。这样开发集能够更好的指导团队的改进优化方向，测试集能真正衡量算法在实际场景中的性能。开发集和测试集的分布可以与训练数据不同。2.选定一个数值型的评估标准作为团队的优化方向。如果存在多个目标，那么可以考虑：1.合并成一个（如求平均误差）标准；或者，定义一个优化目标

城市守望者·2023-09-29 20:20

计算机基础每日学习笔记 | 20210116

寒假刷完课~后面还想刷一下吴恩达老师的机器学习（CrashCourse到P4C

不热爱技术的设计不是好产品·2023-09-27 20:10

线性回归&逻辑回归&正则化

本文为《吴恩达机器学习》课程笔记线性回归代价函数CostFuction它的目标是:选择出可以使得建模误差的平方和能够最小的模型参数批量梯度下降BatchGradientDescent是学习率（learningrate

susion哒哒·2023-09-27 20:50

字符编码之编码格式

我当时是知其然而不知所以然，所以在进行编程作业的过程中，往往花费较多精力去解决关于字符编码的问题（比如乱码），这为后来工作当中带来了极大的不便。

CRongQ·2023-09-27 07:30

打开深度学习的锁：（2）单隐藏层的神经网络

需要导入的包二、构建神经网络的架构三、初始化函数四、激活函数4.1tanh（双曲正切函数）函数五，前向传播六、损失函数七、后向传播八、梯度下降九、构建预测十、聚合和主函数完整代码：总结导言本篇知识背景来源于吴恩达教授的

Jiashun Hao·2023-09-26 04:51

国际协和时和北京时间的转换

题目要求第二周编程作业1.题目内容：UTC是世界协调时，BJT是北京时间，UTC时间相当于BJT减去8。现在，你的程序要读入一个整数，表示BJT的时和分。整数的个位和十位表示分，百位和千位表示小时。

wangminxin666·2023-09-26 03:48

自律为了自由重启（5）

下午午休辅导孩子完成编程作业

向着太阳的方向·2023-09-25 05:54

【ML/DL】深层神经网络模型python实现

实现文章目录深层神经网络模型python实现注：1.准备工作导入必要的包导入数据集2.创建模型(1)初始化参数(2)前向传播(3)计算cost(4)反向传播(5)更新参数(6)合成模型3.训练模型注：数据集及详细讲解请查找吴恩达深度学习第一课第四周

落叶阳光·2023-09-25 04:18

C语言进阶21收尾(编程作业)(atoi，strncpy,strncat,offsetof模拟实现+找单身狗+宏交换二进制奇偶位）

1atoi函数的模拟实现1.1atoi的使用intatoi(constchar*string);atoi：把字符串nptr转换为int。atoi函数使用实例：#include#includeintmain(){chararr[100]="12345";intret=atoi(arr);printf("%d\n",ret);return0;}1.2初步模拟实现初步模拟实现可以把数字字符串转换为整数，

GR_C·2023-09-24 14:29

2020年6月3日

今天没什么硬性任务，于是主要精力都用来复习吴恩达的deeplearning网课笔记，果然有些知识点还是需要学而时习之的。

真昼之月·2023-09-24 10:21

第五章多变量线性回归

该系列文章为，观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单，但不得不说每一句都非常的简洁扼要，浅显易懂。非常适合我这样的小白入门。

tomas家的小拨浪鼓·2023-09-24 05:59

推荐频道

吴恩达深度学习课程编程作业