吴恩达深度学习课程

Chapter6：Logistics 回归：AndrewNg吴恩达《机器学习》笔记

文章目录6.1LogisticRegression是一种分类算法6.2假设陈述——sigmoid函数6.3决策边界DecisionBoundary6.4代价函数6.4.1问题概述：6.4.2尝试一：线性回归的代价函数6.4.3尝试二：逻辑回归的代价函数6.5简化的代价函数和梯度下降6.5.1对公式的简化6.5.2梯度下降法拟合参数6.6高级优化——相对于梯度下降6.6.1梯度下降6.6.2三种高级
半旧。·2022-11-19 22:00

[转载]《吴恩达深度学习核心笔记》发布，黄海广博士整理！

红色石头深度学习专栏深度学习入门首推课程就是吴恩达的深度学习专项课程系列的5门课。该专项课程最大的特色就是内容全面、通俗易懂并配备了丰富的实战项目。今天，给大家推荐一份关于该专项课程的核心笔记！
weixin_34010949·2022-11-19 22:59

吴恩达深度学习 | (16) 卷积神经网络专项课程第一周学习笔记

课程视频第一周PPT汇总吴恩达深度学习专项课程共分为五个部分，本篇博客将介绍第四部分卷积神经网络专项的第一周课程：卷积神经网络。
CoreJT·2022-11-19 22:28

吴恩达深度学习课程 Class 1 Week 2 assignment2_2 学习记录

本系列会记录萌新博主学习吴恩达深度学习课程中踩过的各种坑，希望对和我一样的萌新起到借鉴的作用，有错误或不完善的地方还请大佬指正。
数字ic菜鸡·2022-11-19 22:27

吴恩达深度学习课程第一章第四周编程作业

反向传播4.1线性反向传播4.2非线性+线性反向传播4.3反向传播主控函数5.损失函数6.预测函数三、测试总结声明  本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩达课后编程作业
麻衣带我去上学·2022-11-19 22:23

吴恩达深度学习C4W1（Pytorch）实现

问题描述此次作业需要处理的任务在之前的任务中出现过：完成一个多分类器，识别图像中手势代表的数字：与之前作业不同的是，需要在神经网络中加入卷积层（CONV）和池化层（POOL）,神经网络的大致结构为：CONV2D->RELU->MAXPOOL->CONV2D->RELU->MAXPOOL->FLATTEN->FULLCONNECTEDimporttorchimporth5pyimportnumpya
SheepTAO.C·2022-11-19 22:52

【Nan‘s 吴恩达深度学习笔记】第四课第一周 卷积神经网络

【Nan‘s吴恩达深度学习笔记】第四课第一周卷积神经网络ConvolutionalNeuralNetworks1.1计算机视觉(Computervision)边缘检测垂直边缘过滤器选择PaddingValid
Liareee·2022-11-19 22:22

Python吴恩达深度学习作业7 -- 深度神经网络的正则化

正则化深度学习模型具有很高的灵活性和能力，如果训练数据集不够大，将会造成一个严重的问题–过拟合。尽管它在训练集上效果很好，但是学到的网络不能应用到测试集中！你将学习：在深度学习模型中使用正则化。#importpackagesimportnumpyasnpimportmatplotlib.pyplotaspltfromreg_utilsimportsigmoid,relu,plot_decision
Puzzle harvester·2022-11-19 22:51

B站吴恩达深度学习视频笔记（13）——实战1：动手搭建第一个神经网络

不过吴恩达老师视频不可能给我们现场演示写代码，所以课下实现老师所讲的内容就要靠我们自己了。下面我们自己来动手搭建第一个神经网络吧。
nine_mink·2022-11-19 22:49

B站吴恩达深度学习视频笔记（19）——卷积网络的边缘检测

前言从本篇笔记我们正式开始学习卷积神经网络。卷积运算是卷积神经网络最基本的组成部分，使用边缘检测作为入门样例。在这个笔记中，你会看到卷积是如何进行运算的。在之前的笔记中，我说过神经网络的前几层是如何检测边缘的，然后，后面的层有可能检测到物体的部分区域，更靠后的一些层可能检测到完整的物体，这个例子中就是人脸。在这个视频中，你会看到如何在一张图片中进行边缘检测。边缘检测让我们举个例子，给了这样一张图片
nine_mink·2022-11-19 22:49

吴恩达深度神经网络笔记—残差网络ResNet

残差网络的搭建利用上周学的keras框架，搭建一个深层次的卷积网络，越深的网络在实际上非常难以训练。残差网络就是为了解决深网络的难以训练的问题的。首先我们要实现基本的残差块。再将这些残差块放在一起，实现并训练用于图像分类的神经网络。导包importnumpyasnpfromkerasimportlayersfromkeras.layersimportInput,Add,Dense,Activati
管二三·2022-11-19 22:18

吴恩达深度神经网络笔记—搭建卷积神经网络模型

大纲我们要实现一个拥有卷积层（CONV）和池化层（POOL）的网络，它包含了前向和反向传播。将实现卷积神经网络的构建模块，下面将列举要实现的模块的函数功能：卷积模块，包含了以下函数：使用0扩充边界卷积窗口前向卷积反向卷积池化模块，包含了以下函数：前向池化创建掩码值分配反向池化先利用numpy来实现这些功能，后续更改为TensorFlow。模型结构如下：对于每个前向函数，都有对应的反向等价函数。因此
管二三·2022-11-19 22:48

吴恩达深度神经网络笔记—搭建卷积神经网络模型（TensorFlow）

利用框架搭建卷积神经网络模型导包importmathimportnumpyasnpimporth5pyimportmatplotlib.pyplotaspltimportscipyfromPILimportImagefromscipyimportndimageimporttensorflowastffromtensorflow.python.frameworkimportopsfromcnn_ut
管二三·2022-11-19 22:48

吴恩达深度神经网络笔记—TensorFlow入门

TensorFlow入门了解一个深度学习框架，它将允许您更容易地构建神经网络。像TensorFlow、PaddlePaddle、Torch、Caffe、Keras等机器学习框架可以显著加速机器学习的开发。学习TensorFlow这个框架：初始化变量建立一个会话训练的算法实现一个神经网络导入TensorFlow库importmathimportnumpyasnpimporth5pyimportmat
管二三·2022-11-19 22:47

4-1 Coursera吴恩达《卷积神经网络》 第一周课程笔记-卷积神经网络基础

记录吴恩达AndrewNg深度学习专项课程笔记，方便之后回顾，共5门课。
双木的木·2022-11-19 22:16

吴恩达深度学习笔记 course4 week2 作业1

这周新使用了一个新框架,它是一个比较高级的框架,比起低级框架有更多的限制使用keras要注意的是:1.Keras框架使用的变量名和我们以前使用的numpy和TensorFlow变量不一样。它不是在前向传播的每一步上创建新变量（比如X,Z1,A1,Z2,A2,…）以便于不同层之间的计算。在Keras中，我们使用X覆盖了所有的值，没有保存每一层结果，我们只需要最新的值，唯一例外的就是X_input，我
banghu8816·2022-11-19 22:15

吴恩达深度学习专项-第五课-Week4编程作业

Coursera吴恩达教授深度学习第五课（序列模型）第四周编程作业，发出来完整代码供大家参考学习，不足之处请各位大佬多多指正。
TO-GA·2022-11-19 22:44

吴恩达深度学习：course2 - week1 课后作业（代码解读）

https://blog.csdn.net/u013733326/article/details/79847918参考该博主完成的代码作业，本文主要针对代码中的一些函数以及为何这样用做一些自己的理解，直接放代码：main.pyimportnumpyasnpimportmatplotlib.pyplotaspltimportsklearnimportsklearn.datasetsimportgc_
无 眠·2022-11-19 22:13

吴恩达 深度学习 编程作业（4-3）- Autonomous driving - Car detection

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《卷积神经网络》部分的第三周“目标检测”的课程作业。
大树先生的博客·2022-11-19 22:12

吴恩达深度神经网络笔记—Keras入门

什么是KerasKeras是为了使深度学习工程师能够很快地建立和实验不同的模型的框架，正如TensorFlow是一个比Python更高级的框架，Keras是一个更高层次的框架，并提供了额外的抽象方法。最关键的是Keras能够以最短的时间让想法变为现实。然而，Keras比底层框架更具有限制性，所以有一些非常复杂的模型可以在TensorFlow中实现，但在Keras中却没有。看看如何在几个小时内建立一
管二三·2022-11-19 22:37

吴恩达深度学习作业（week2）-(1)

出发作业地址https://github.com/robbertliu/deeplearning.ai-andrewNG视频，bilibili吴恩达深度学习。
Runesia·2022-11-19 22:07

Python吴恩达深度学习作业10 -- 深度学习框架TensorFlow入门 + 完整图像识别实战

TensorFlow教程到目前为止，你一直使用numpy来构建神经网络。现在，我们将引导你使用深度学习框架，改框架将使你可以更轻松地构建神经网络。TensorFlow，PaddlePaddle，Torch，Caffe，Keras等机器学习框架可以极大地加速你的机器学习开发速度。所有这些框架也都有好多文档，你应该随时阅读学习。在此笔记本中，你将学习在TensorFlow中执行以下操作：初始化变量创建
Puzzle harvester·2022-11-19 22:35

《深度学习》课程笔记目录总集

《深度学习》课程笔记目录总集吴恩达DeepLearning.ai云课堂地址：https://mooc.study.163.com/university/deeplearning_ai#/c学习笔记推荐：
lynchying·2022-11-19 21:28

Coursera吴恩达课堂笔记 1.2《神经网络与深度学习》-- 神经网络基础之逻辑回归

文章目录1.BinaryClassification2.LogisticRegression3.LogisticRegressionCostFunction4.GradientDescent5.Derivatives6.MoreDerivativeExamples7.Computationgraph8.DerivativeswithaComputationGraph9.LogisticRegres
jianming21·2022-11-19 21:56

吴恩达《深度学习专项》笔记+代码实战（五）：深度学习的实践层面（数据集划分、偏差与方差、参数初始化、正则化）

学习提示第二门课的知识点比较分散，开始展示每周的笔记之前，我会先梳理一下每周涉及的知识。这一周会先介绍改进机器学习模型的基本方法。为了介绍这项知识，我们会学习两个新的概念：数据集的划分、偏差与方差问题。知道这两个概念后，我们就能够诊断当前机器学习模型存在的问题，进而找出改进的方法。之后，我们会针对“高方差问题”，学习一系列解决此问题的方法。这些方法成为“正则化方法”。这周介绍的正则化方法有：添加正
大局观选手周弈帆·2022-11-19 21:54

吴恩达《深度学习专项》笔记（九）：错误分析、数据集匹配、多任务学习、端到端学习

学习提示这周要学习四项内容：错误分析、使用不匹配的数据、完成多个任务的学习、端到端学习。其中，前两项内容是对上一周内容的扩展。学完这些知识后，我们能更好地决定下一步的改进计划。通过处理分布不匹配的数据，我们能够学会如何诊断一种新的问题：数据不匹配问题。之后，我们使用错误分析技术，找到模型具体的错误样例，进一步改进模型。后两项内容分别是两项深度学习的应用技巧。我们会学习迁移学习、多任务学习这两种处理
大局观选手周弈帆·2022-11-19 21:54

深度学习-计算机视觉-0基础-学习历程

吴恩达《深度学习》-----------------------吴恩达的课程讲的很基础，但
黑檀木与雪松·2022-11-19 20:18

经典卷积神经网络模型

内容来自BiliBili-同济子豪兄：经典卷积神经网络结构案例分析_哔哩哔哩_bilibili目录1.AlexNet吴恩达手绘图：2.ZFNet3.VGG4.GooLeNet5.ResNet编辑6.SENet7
黑檀木与雪松·2022-11-19 19:37

吴恩达深度学习课程

神经网络深度学习是指训练神经网络，size--○--prise，圆圈为一个神经单元。它做的就是函数的主要功能。常见的“修正线性单元”即为ReLU。把独立的单元叠加起来，就有了一张较大的神经网络。1.2监督学习对于图像中常用卷积神经网络（CNN）对于序列数据常用循环神经网络（RNN）语言也是序列数据但是是单个出现，用（RNNs）雷达等要用更复杂的，混合神经网络结构结构化数据是数据的数据库非结构化数据
weixin_70459895·2022-11-19 19:32

吴恩达深度学习笔记——神经网络与深度学习（Neural Networks and Deep Learning）

文章目录前言传送门神经网络与深度学习（NeuralNetworksandDeepLearning）绪论梯度下降法与二分逻辑回归（GradientDescendandLogisticsRegression）forwardpropagationbackwardpropagation(withChainRule)vectorization损失函数和成本函数推导（LossFunction|CostFunc
亦梦亦醒乐逍遥·2022-11-19 19:30

吴恩达深度学习笔记——改善深层神经网络：超参数调整，正则化，最优化（Hyperparameter Tuning）

深度学习笔记导航前言传送门改善深层神经网络：超参数调整，正则化，最优化（ImprovingDeepNeuralNetworks:HyperparameterTuning,Regularization,andOptimization）深度学习实践（PracticalAspectsofDeepLearning）基础数据集分割偏差/方差（bias/variance）基本分析方法正则化（regulariz
亦梦亦醒乐逍遥·2022-11-19 19:00

吴恩达深度学习深度学习概述以及优化

、深层神经网络4、深度学习实用层面4.1训练集、验证集、测试集4.2偏差、方差4.3L1、L2正则化4.4归一化处理4.5Dropout4.6其他正则化方法4.7梯度消失和爆炸1、深度学习概述在之前的吴恩达机器学习课程中
不自知的天才·2022-11-19 19:29

深度学习笔记-吴恩达

深度学习-吴恩达文章目录深度学习-吴恩达前言一、神经网络1.随机初始化2.深层神经网络的前向传播3.核对矩阵的维数4.为什么使用深层表示5.搭建深层神经网络块6.前向传播与反向传播7.参数与超参数前言随着人工智能的不断发展
Mr. 嘿·2022-11-19 19:59

吴恩达老师的机器学习与深度学习贴

吴恩达老师的机器学习与深度学习贴机器学习第一周：首先，老师举例说明，机器学习的几个显示生活中的例子：包括无人机的实验运行，垃圾邮件的识别，软件APP的内容推广，甚至谷歌新闻的同一类型的内容分块等等。
weixin_41840630·2022-11-19 19:58

吴恩达《机器学习》学习笔记（一）

目录一、机器学习什么是神经网络？为什么要引入ReLU？监督学习supervisedlearning为什么深度学习会兴起？二、Logisticregression二分类逻辑回归模型代价函数costfunction为什么需要代价函数？损失函数lossfunction梯度下降gradientdecent计算图向量化numpy广播机制一、机器学习什么是神经网络？神经网络类似一个函数y=f(x)，神经网络可
梦想的小鱼·2022-11-19 19:56

吴恩达深度学习教程参考链接

暑假无事，几周时间匆匆过了一下吴恩达老师的深度学习教程前四章的内容，对于吴恩达老师的敬仰之情又多了一分，至于序列模型也只能开学之后在看了。还要感谢黄博士团队的翻译成的中文笔记，让我受益匪浅。
晓风wangchao·2022-11-19 19:19

机器学习/深度学习入门建议

深度学习入门建议第一阶段：Python基础视频：（选一个喜欢的就行）第二阶段：常用模块numpymatplotlibpandas书籍的话推荐看看《利用Python进行数据分析》第三阶段：机器学习基础建议观看吴恩达老师的课程
程序猿-饭饭·2022-11-19 19:16

吴恩达深度学习入门

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai
费马定理·2022-11-19 19:10

吴恩达《深度学习》笔记+代码实战（一）：深度学习入门

最近在学吴恩达的《深度学习专项》（DeepLearningSpecialization)。为了让学习更有效率（顺便有一些博文上的产出），我准备写一些学习笔记。
大局观选手周弈帆·2022-11-19 19:09

吴恩达深度学习笔记整理（五）

目录优化算法Mini-batch梯度下降理解mini-batch梯度下降法怎么选择适合的batchsize？指数加权平均数理解指数加权平均数公式：指数加权平均的偏差修正动量梯度下降法RMSpropAdam优化算法学习率衰减为什么衰减？局部最优局部最优解鞍点优化算法Mini-batch梯度下降深度学习的优势是可以利用一个巨大的数据集来训练神经网络，而在巨大的数据集基础上进行训练速度很慢。这时，我们可
梦想的小鱼·2022-11-19 18:32

什么是神经网络？

监督学习与深度学习神经网络的分类数据类型StructureddataUnstructureddata数据到底怎样传入到神经网络的呢 笔记来源于：床长人工智能教程吴恩达深度学习deeplearning.ai
樊鴻燁·2022-11-19 18:50

神经网络是如何进行预测的?

 笔记来源于：床长人工智能教程吴恩达深度学习deeplearning.ai 上一篇文章，我们初步了解到了神经网络的原来，神经网络是怎么一回事儿，神经网络的分类以及数据是以何种形式传入神经网络，下面我们来介绍神经网络其他背后的逻辑
樊鴻燁·2022-11-19 18:49

【深度学习吴恩达】神经网络和深度学习--第二周课后测验及编程作业

测验题5.Considerthetwofollowingrandomarrays“a”and“b”:(看一下下面的这两个随机数组“a”和“b”)a=np.random.randn(4,3)#a.shape=(4,3)b=np.random.randn(3,2)#b.shape=(3,2)c=a*bWhatwillbetheshapeof“c”?(请问数组“c”的维度是多少？)Answer:Thec
早知晓·2022-11-19 14:56

机器学习笔记（第一周课程）

上一篇是python的学习笔记，因为自己太放松，就没怎么更新下去，现在是做一篇机器学习笔记，学习的视频是吴恩达老师讲的2022的机器学习，这篇文章记录一下课程中第一课第一周的学习内容，以及相关的练习题的训练
chunqiuchan·2022-11-19 14:22

吴恩达《深度学习专项》第一阶段总结与第二阶段预览

经过前四周的学习，我们已经学完了《深度学习专项》的第一门课程《神经网络与深度学习》。让我们总结一下这几周学的知识，查缺补漏。《神经网络与深度学习》知识回顾概览在有监督统计机器学习中，我们会得到一个训练集。训练集中的每一条训练样本由输入和输出组成。我们希望构建一个数学模型，使得该模型在学习了训练集中的规律后，能够建立起输入到输出的映射。在深度学习中，使用的数学模型是深度神经网络。神经网络一般可以由如
大局观选手周弈帆·2022-11-19 14:45

深度学习课程作业——手写数字识别（卷积神经网络）

本实验过程需要用到torchvision包，没有安装的小伙伴，windows用户可直接使用cmd命令，输入命令行pipinstalltorchvision即可。【仍安装不了的，建议csdn直接查找安装教程】一、加载数据集1.1导入实验可能用到的包、库等#导入所需要的包importtorchvision.datasetsasdsetsimporttorchvision.transformsastra
m0_59998867·2022-11-19 13:58

吴恩达-机器学习课后题06-SVM(支持向量机)1-线性可分

1、概念1、支持向量机：支持向量机（supportvectormachines,SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。
NULL326·2022-11-19 12:35

吴恩达机器学习作业5：偏差和方差（Python实现）

机器学习练习5-RegularizedLinearRegressionandBiasv.s.VarianceIntroduction在本练习中，将实现正则化线性回归，并使用它来研究具有不同偏差-方差的模型。1RegularizedLinearRegression（正则线性回归）在练习的前半部分，将实现正则化的线性回归，利用水库水位的变化来预测从大坝流出的水量。在后半部分，将通过调试学习算法的参数，
Phoenix_ZengHao·2022-11-19 11:59

“损失函数”是如何设计出来的？直观理解“最小二乘法”和“极大似然估计法”

就像是网上非常火的，吴恩达讲深度学习的课程里面，他就提到了两个损失函数。也就是红框里的那两个函数。
王木头学科学·2022-11-19 09:28

深度学习-吴恩达-笔记-5-深度学习的实践层面

方差机器学习基础正则化为什么正则化有利于预防过拟合dropout正则化理解dropout其它正则化方法归一化输入梯度消失/梯度爆炸神经网络的权重初始化梯度的数值逼近梯度检验梯度检验应用的注意事项【此为本人学习吴恩达的深度学习课程的笔记记录
Leon.ENV·2022-11-19 08:07
上一页 36 37 38 39 40 41 42 43 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他