吴恩达深度学习课程

吴恩达《卷积神经网络》课程笔记（1）

1、机器视觉（上图展示了一个神经风格转换（NeuralStyleTransfer）的例子）使用传统神经网络处理机器视觉的一个主要问题是输入层维度很大。例如64x64x3的图片，神经网络输入层的维度为12288。而现在的图片将近几千x几千x3的内存，而导致神经网络输入层的维度达到几百万。这样会造成两个后果，一是神经网络结构复杂，数据量相对不够，容易出现过拟合；二是所需内存、计算量较大。解决这一问题的
逸耀·2022-11-28 00:57

吴恩达神经网络和深度学习课程自学笔记（十二）之人脸识别

人脸识别和神经风格转换一、什么是人脸识别？首先，让我们了解一下人脸识别的一些术语。主要是人脸验证（faceverification）和人脸识别（facerecognition）。人脸验证问题：如果你有一张输入图片，以及某人的ID或者是名字，这个系统要做的是，验证输入图片是否是这个人。有时候也被称作1对1问题。人脸识别问题：而人脸识别问题比人脸验证问题难很多。验证系统是一对一，而识别系统是一对多，对
To_1_oT·2022-11-28 00:56

吴恩达《卷积神经网络》01——卷积神经网络基础

文章目录一、计算机视觉（ComputerVision）二、边缘检测（EdgeDetection）1.边缘检测例子（EdgeDetectionExample）2.更多边缘检测的例子（MoreEdgeDetection）三、padding与StridedConvolutions1.padding2.卷积步长（StridedConvolutions）四、高维卷积（ConvolutionsOverVolu
美式咖啡不加糖x·2022-11-28 00:53

吴恩达深度学习笔记-人脸识别与神经风格迁移(第12课)

人脸识别与神经风格迁移一、什么是人脸识别?二、One-Shotlearning三、Siamese网络四、TripletLoss五、面部验证与二分类六、什么是神经风格转换?七、什么是深度卷积网络?八、代价函数九、内容代价函数十、风格代价函数十一、一维到三维的推广一、什么是人脸识别?人脸验证问题：输入一张人脸图片和姓名(或者ID)，判断图片中的人是否是姓名指向的人，一对一问题。人脸识别问题：输入一张人
快乐活在当下·2022-11-28 00:22

吴恩达深度神经网络笔记—神经风格转换

目标实现神经风格转换算法用算法生成新的艺术图像导包importtimeimportosimportsysimportscipy.ioimportscipy.miscimportmatplotlib.pyplotaspltfrommatplotlib.pyplotimportimshowfromPILimportImageimportnst_utilsimportnumpyasnpimportten
管二三·2022-11-28 00:50

吴恩达：28张图全解深度学习知识

吴恩达在推特上展示了一份由TessFerrandez完成的深度学习专项课程信息图，这套信息图优美地记录了深度学习课程的知识与亮点。
AI致力·2022-11-27 20:42

深度学习-吴恩达-笔记-1-深度学习引言

目录什么是神经网络神经网络的监督学习为什么深度学习会兴起【此为本人学习吴恩达的深度学习课程的笔记记录，有错误请指出！】什么是神经网络让我们从一个房价预测的例子开始讲起，如根据房子面积来预测房屋价格。
Leon.ENV·2022-11-27 20:41

深度学习-吴恩达-笔记-4-深层神经网络

目录深层神经网络前向传播和反向传播深层网络中的前向传播核对矩阵的维数为什么使用深层表示搭建神经网络块参数VS超参数深度学习和大脑的关联性【此为本人学习吴恩达的深度学习课程的笔记记录，有错误请指出！】
Leon.ENV·2022-11-27 20:41

邱锡鹏 神经网络与深度学习课程【一】——绪论1和绪论2

绪论神经网络：一种以(人工)神经元为基本单元的模型例如：FNN、MN、GN深度学习：一类机器学习问题，主要解决贡献度分配问题。课程安排：首先讲机器学习、再讲神经网络。之后了解概率图模型为无监督学习做铺垫，强化学习也会涉及。如何开发一个人工智能系统举例：芒果机器学习选取芒果的特征：颜色、大小形状、产地、品牌即输入变量，输出变量为成熟度、多汁或者是否甜蜜深度学习：机器学习可以解决很简单的线性问题，但是
桐原因·2022-11-27 17:59

「吴恩达机器学习2022」lab_utils_uni加载报错问题

主要内容：1-代码报错语句2-处理办法3-查看Python根目录方法4-Github地址一、代码报错：在学习吴恩达2022年机器学习课程Week1RegressionModel时，计算costfunction
踏下心来学点东西·2022-11-27 17:27

吴恩达机器学习第一讲之‘线性回归’笔记

目录1机器学习（分类简介）2线性回归（linearregression）2.1如何根据样本数据估计模型参数？2.2方程求解方法2.2.1①梯度下降2.2.2②正规方程2.2.3③牛顿法2.3线性回归总结：1机器学习（分类简介）基本原始准备：BigO符号；队列queues，堆栈stacks，二叉树binarytrees；概率（randomvariable，theexpectedvalueofaran
鹅鹅e·2022-11-27 14:52

机器学习入门课程学习笔记（斯坦福吴恩达）（上篇）

文章目录一、简介1.1什么机器学习1.2监督学习（SupervisedLearning）1.3非监督学习（UnsupervisedLearning）二、模型和代价函数（ModelandCostFunction）2.1模型描述（ModelRepresentation）2.2代价函数（CostFunction）2.3梯度下降（GradientDescent）三、线性代数3.1矩阵和向量3.2矩阵的加法
iioSnail·2022-11-27 10:00

Machine Learning 04 - Neural Networks

正在学习Stanford吴恩达的机器学习课程，常做笔记，以便复习巩固。鄙人才疏学浅，如有错漏与想法，还请多包涵，指点迷津。
能智工人·2022-11-27 10:19

送书|“零基础学机器学习”作者创作手记

2014年吴恩达在Coursera开了机器学习课，2015年周志华老师出了西瓜书，而2017年李彦宏把无人驾驶车开上了五环，AlphaGo打遍天下无敌手，波士顿动力机器人学会了后空翻，人
文文学霸·2022-11-27 10:49

机器学习内卷了吗？

2014年吴恩达在Coursera开了机器学习课，2015年周志华老师出了西瓜书，而2017年李彦宏把无人驾驶车开上了五环，
咖哥·2022-11-27 10:47

2022吴恩达机器学习：Advanced Learning Algorithm4.1/4.2

4.1在一个单层中的前向传播以烤咖啡为例主要理解代码到底做了什么，即各层的激活值是如何计算的4.2前向传播的一般实现dense函数作用：输入前一层的激活值，给定当前层的参数，返回本层的激活值作为下一层的输入四个参数：（1）初始输入值：a_in（2）神经元的参数：W,b（3）激活函数：gsequential函数将几个dense顺序串在一起，在神经网络中实现前向传播
m0_54237635·2022-11-27 10:16

深度学习基础知识（五）：神经网络基础之logistic回归

这个专栏主要是想和大家分享一下深度学习的基础知识，主要是以吴恩达老师深度学习课程内容作为基础，并补充了很多其他内容希望让整体内容更加容易理解和系统化。
Chou_pijiang·2022-11-27 09:27

吴恩达深度学习：从logistic回归到深层神经网络

注意：这篇文章需要有logistic回归基础，可以参考我的这一篇文章吴恩达机器学习：从单变量线性回归到Logistic回归1.神经网络概念首先我们要了解神经网络的形式，之所以被叫做神经网络，是因为它的工作原理和人的大脑神经相似
若能绽放光丶·2022-11-27 09:56

神经网络和深度学习-第二周神经网络基础-第三节：Logistic 回归损失函数

本系列博客是吴恩达(AndrewNg)深度学习工程师课程笔记。全部课程请查看吴恩达(AndrewNg)深度学习工程师课程目录在上一节中，讲解的是logistic回归模型。
geekidentity·2022-11-27 09:52

机器学习笔记（十一）-聚类（Clustering）

本次学习笔记主要记录学习机器学习时的各种记录，包括吴恩达老师视频学习、李宏毅老师视频学习、周志华老师的《机器学习》（西瓜书）以及李航老师的《统计学习方法》。
997and·2022-11-27 08:03

《吴恩达机器学习》学习笔记008_聚类(Clustering)

http://www.ai-start.com/ml2014/html/week8.html聚类(Clustering)K-Means聚类用μ1μ^1μ1,μ2μ^2μ2,…,μkμ^kμk来表示聚类中心，用c(1)c^{(1)}c(1),c(2)c^{(2)}c(2),…,c(m)c^{(m)}c(m)来存储与第iii个实例数据最近的聚类中心的索引，K-均值算法的伪代码如下：Repeat{for
Stark0x01·2022-11-27 08:49

机器学习笔记（参考吴恩达机器学习视频笔记）12_聚类

12聚类监督学习中，训练集带有标签，目标是找到能够区分正负样本的决策边界，需要根据标签拟合一个假设函数。非监督学习中，需要将无标签的训练数据输入到一个算法，此算法可以找到这些数据的内在结构。一个能够根据数据的内在结构，将它们分成几个不同的点集（或簇）的算法，就被称为聚类算法。聚类算法是一个非监督学习的算法。12.1K-Means算法K-means是以距离作为评价标准的一种聚类算法，即距离越近，相似
Gary.fu·2022-11-27 08:43

简单神经网络批处理时梯度计算（标量对矩阵的求导）

简单神经网络批处理时梯度计算（标量对矩阵的求导，微分法）学校的深度学习课程上老师介绍了损失函数在一个trainingdata时对网络参数的求导，比较简单易求。
三小憨·2022-11-27 04:50

Pytorch深度学习笔记④：Softmax回归的简洁实现

本文是《动手学深度学习课程》中Softmax回归简洁实现的笔记，仅用于个人学习记录。
元気Hu.sir·2022-11-27 03:52

Datawhale-Task3决策树算法梳理

.决策树的不同分类算法（ID3算法、C4.5、CART分类树）的原理及应用场景3.回归树原理4.决策树防止过拟合手段5.模型评估6.sklearn参数详解，Python绘制决策树参考：西瓜书cs229吴恩达机器学习课程李航统计学习谷歌搜索公式推导参考
Zzichen_ovo·2022-11-27 03:07

吴恩达：2020 年，这些 AI 大事件让我无法忘怀...

作者|吴恩达编译|陈大鑫、贝爽编辑|青暮转自|AI科技评论日前，吴恩达在圣诞节之际回顾了2020年AI的一些重大事件，包括AI应对新冠疫情、数据集存在种族偏见、对抗虚假信息算法、AlphaFold预测蛋白质三维结构
湾区人工智能·2022-11-27 03:58

李宏毅深度学习笔记（全连接、CNN、RNN）一

全连接网络基本结构(2)总结：2.Convolutional/poolinglayer(1)概述：(2)convolution特性(3)convolution实现过程(3)总结：摘要最近在学习台大李宏毅老师的深度学习课程
小志红铜·2022-11-27 02:13

[机器学习学习笔记]单变量的梯度下降

p=18视频课来自b站吴恩达机器学习，第二章单变量的梯度下降代码尝试。
Pinospot·2022-11-26 22:29

Ubuntu18系统安装+深度学习软件配置cuda，miniconda，pytorch2022-7-19

课程安排-动手学深度学习课程他用的Ubuntu18具体安装教程：Ubuntu18.04安装教程——超详细的图文教程_Krasjet_Yu.的博客-CSDN博客_ubuntu18.04二、安装好以后，进入系统
exclusivez·2022-11-26 21:37

吴恩达机器学习系列课程笔记——第十二章：支持向量机(Support Vector Machines)

12.1优化目标https://www.bilibili.com/video/BV164411b7dx?p=70到目前为止,你已经见过一系列不同的学习算法。在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用学习算法A还是学习算法B，**而更重要的是，应用这些算法时，所创建的大量数据在应用这些算法时，表现情况通常依赖于你的水平。**比如：你为学习算法所设计的特征量的选择，以及如
Lishier99·2022-11-26 21:53

神经网络常见激活函数总结

最近在看大佬们整理的吴恩达老师的深度学习笔记，在这里总结一些常用的激活函数，以及它们的特点和选择。
一颗小芋圆·2022-11-26 20:07

机器学习——正则化逻辑回归(分类)编程训练

机器学习——正则化逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练的第二部分。
苏打水可乐·2022-11-26 20:29

《机器学习》学习笔记3：逻辑回归与正则化

Week3逻辑回归与正则化基于吴恩达《机器学习》课程参考黄海广的笔记本篇博客为第三周的内容。
Mengo_x·2022-11-26 19:56

【pytorch学习笔记六】深度学习基础（线性回归、损失函数、梯度下降、欠拟合与过拟合，正则化）

深度学习的基础理论学习可到B站上看吴恩达老师的深
QHCV·2022-11-26 19:18

多变量线性回归——梯度下降MATLAB矩阵实现

参考吴恩达机器学习视频，此为其线性回归作业。ex1_2多变量的假设h表示为：代价函数：找出使得代价函数最小的一系列参数。
Phyllis_C·2022-11-26 14:12

吴恩达 机器学习 ex1 单变量线性回归代码详解（非向量化写法）超级适合小白看

前几天刚学完吴恩达老师的机器学习课程，然后尝试着去完成课后的编程作业，在这里分享一下ex1其中的单变量线性回归的心得。这一版是使用的非向量化的方式去编程。我会把每行代码的作用给大家解释清楚。
西西不秃头·2022-11-26 13:41

2022吴恩达机器学习：Advanced Learning Algorithm2.1/2.2

2.1神经网络中的层工作原理：以2022吴恩达机器学习：AdvancedLearningAlgorithm1中的模型为例，此处的神经网络是逻辑回归的一种版本，因此计算使用的函数是Sigmoid第一层的计算第二层的计算右上角方括号标志层数结果预测输出结果
m0_54237635·2022-11-26 11:42

2022吴恩达机器学习：Advanced Learning Algorithm3.3

3.3构建一个神经网络这是在之前的学习中得到的实现代码：一次计算一层TensorFlow有一种不同的方式来实现前向预测例1：烤咖啡和之前一样，需要创建第一层，第二层。但是现在不需要手动获取第一层的激活值并传给第二层，而是使用Sequential函数将第一层和第二层串在一起形成一个神经网络。然后给出需要训练的数据，调用model实现各种功能。如model.comple(…)、model.fit()、
m0_54237635·2022-11-26 11:42

2022吴恩达机器学习：Advanced Learning Algorithm3.2

3.1TensorFlow中的数据TensorFlow和Numpy如何表示数据numpy表示矩阵：TansorFlow的设计是为了处理非常大的数据集，将数据表示为矩阵形式，TensorFlow内部计算效率会更高print(a1)或者print(a2)得到：tf.Tensor([[0.20.7.0.3]],shape=(1,3),dtype=float32)tf.Tensor([[0.8]],sha
m0_54237635·2022-11-26 11:41

吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记（3-2）-- 机器学习策略（2）

https://www.zhihu.com/people/dashuxianshengGitHub：https://github.com/KoalaTree2017年10月23日以下为在Coursera上吴恩达老师的
大树先生的博客·2022-11-26 11:35

2022吴恩达机器学习：Advanced Learning Algorithm1

1.1课程学习内容：神经网络（深度学习算法）、决策树神经网络：学习工作原理，学习如何进行推断、预测，学习如何训练神经网络1.2神经网络的起源、发展为什么神经网络最近几年才开始起飞？听过课后觉得应该是因为数据太多了吧1.3神经网络是如何工作的例：需求分析通过T-shirt的价格预测其是否是畅销品输入特征是price输出一个概率值，在神经网络中叫激活值上图是对单个神经元的描述，由图知：神经元的简化模型
m0_54237635·2022-11-26 11:02

机器学习基础----基于吴恩达机器学习课程的笔记

写在前面：本篇笔记是对于机器学习课程及其体系的简单梳理，方便以后的查找，涉及的原理解释较少，一些算法的实现和优化待日后补充。机器学习基础文章目录机器学习基础一、监督学习与无监督学习二、回归问题一、函数模型----线性回归二、算法模型（一）梯度下降算法（二）正规方程法三、分类问题先从二分类开始（0或1）：一、函数模型----Logistic回归二、算法模型（一）梯度下降算法多分类：四、过拟合的问题一
W.xyz·2022-11-25 22:07

吴恩达机器学习作业Python实现(八)：异常检测与推荐系统

目录1异常检测1.1高斯分布1.2高斯分布参数估计1.3选择阈值ε1.4高维数据集2推荐系统2.1电影评分数据集2.2协同过滤算法2.2.1协同过滤代价函数2.2.2协同过滤梯度2.3学习模型2.3.1Recommendations3参考文章1异常检测在这部分练习中，你将实现一个异常检测算法来检测服务器计算机中的异常行为，这些特征度量着每个服务器的吞吐量和响应延迟，当你的服务器在运行时，收集了m=
Hyxx.·2022-11-25 21:47

吴恩达机器学习课后作业Python实现(三)：多类分类与前馈神经网络

目录多类分类数据集数据可视化正则化逻辑回归正则化代价函数正则化梯度One-vs-all分类One-vs-all预测前馈神经网络模型表示模型搭建前馈传播与预测参考文章多类分类在本练习中，您将使用逻辑回归和神经网络来识别手写数字(从0到9)。自动手写数字识别在今天被广泛使用——从识别信封上的邮政编码(邮政编码)到识别银行支票上写的金额。这个练习将向您展示如何将您所学到的方法用于这个分类任务。在练习的第
Hyxx.·2022-11-25 21:17

吴恩达机器学习作业Python实现(六)：支持向量机

目录1支持向量机SVM1.1示例数据集11.2高斯核函数支持向量机1.2.1高斯核1.2.2示例数据集21.2.3示例数据集32垃圾邮件分类2.1预处理邮件2.1.1词汇表2.2从邮件提取特征2.3训练SVM参考文章1支持向量机SVM在本练习前半部分，将对各种2D数据集使用支持向量机，通过这些数据集可以更加直观了解支持向量机的工作方式，以及如何在支持向量机中使用高斯核。后半部分，使用支持向量机搭建
Hyxx.·2022-11-25 21:17

吴恩达机器学习作业Python实现(七)：K-means和PCA

目录1K-means聚类1.1K-means实现1.1.1找到最近的质心1.1.2计算质心1.2在示例数据集使用K-means算法1.3随机初始化1.4图像压缩2PCA2.1示例数据集2.2实现PCA2.3PCA降维2.3.1将数据投影在主成分上2.3.2重构数据2.3.3可视化2.4人脸数据集2.4.1对人脸图像使用PCA2.4.2降维参考文章1K-means聚类在本练习中，您将会使用K-mea
Hyxx.·2022-11-25 21:17

吴恩达机器学习课后作业Python实现（一）：线性回归

目录前言单变量线性回归代码实现数据集准备代价函数梯度下降跑模型并预测绘制线性模型及代价函数图多元线性回归代码实现结果图前言写本篇文章的主要目的是记录自己机器学习与Python的学习历程，单变量线性回归在本部分的练习中，您将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐馆的首席执行官，正在考虑不同的城市开设一个新的分店。该连锁店已经在各个城市拥有卡车，而且你有来自城市的利润和人口数据
Hyxx.·2022-11-25 21:16

吴恩达深度学习之四《卷积神经网络》学习笔记

一、卷积神经网络1.1计算机视觉举了几个例子，可以完成什么样的任务最重要的是特征向量太大了，比如分辨率1000x1000的彩色图片，三个颜色通道，维数是3000000意味着隐藏层第一层参数是(3000000,n^[1])这样神经网络模型占内存太大了，是需要解决的问题1.2边缘检测示例卷积运算是卷积神经网络最基本的组成部分，本节课以边缘检测为样例说明卷积是如何运算灰度值0到255，越小越深，越大越浅
Umikaze_·2022-11-25 20:53

吴恩达深度学习（笔记+作业）·第四课·第三周 目标检测（重点解析YOLO算法）

目录一、目标定位二、特征点检测（另一种思路）三、目标检测算法objectdetectionalgorithm四、卷积的滑动窗口实现五、BoundingBox预测（YOLO算法的精髓）六、交并比IOU七、非极大值抑制non-maxsuppression八、锚框AnchorBoxes九、YOLO算法十、候选区域Regionproposals一、目标定位二、特征点检测（另一种思路）标签特征点的顺序，在所
手可摘星辰不去高声语·2022-11-25 20:22

【学习笔记】吴恩达深度学习课程

课程知识点应用实例吴恩达深度学习1.1神经网络和深度学习-神经网络概论介绍神经网络的概念和深度学习近些年的发展。吴恩达深度学习1.2神经网络和深度学习-神经网络基础逻辑回归。识别图片是不是猫。
垚焱焱·2022-11-25 20:21
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他