吴恩达深度学习

深度之眼_吴恩达深度学习_打卡学习_调试

理解训练/验证/测试集、偏差/方差、正则化以及梯度消失/梯度爆炸/梯度检验等基本的概念。需重点掌握为什么正则化可以减少过拟合，以及对梯度消失和梯度爆炸产生的原因和解决的方法。训练/验证/测试集，数据量在百万级以下，可以60/20/20，百万级，98/1/1就可以了。偏差/方差，偏差vias，方差variance，看实际的情况，可能既有偏差，又有方差。正则化：L2正则化，有lambda，增大lamb
weixin_38426803·2020-08-12 13:13

FFN MLP dense 权重矩阵 全连接

直观理解神经网络最后一层全连接+Softmax花书+吴恩达深度学习（一）前馈神经网络（多层感知机MLP）如何理解softmax【AI数学】Batch-Normalization详细解析我的的博客一句话：
weixin_30621711·2020-08-12 13:07

吴恩达深度学习编程作业汇总

以下列表为吴恩达的深度学习课程所对应的编程作业列表，都直接指向了github的连接地址；这些作业也是我在网上购买，可能与官方的内容有所出入；同时由于有的训练集和测试集以及预训练好的参数过大，不便上传，所以直接clone项目是无法运行的。如果是只看代码，完全可以满足使用的要求；需要完成版的可以留下邮箱，我单独发送给你。第一部分-第二周1.assignment2_1.ipynb-->PythonBas
萝卜地里的兔子·2020-08-12 13:53

吴恩达深度学习L1W2逻辑回归神经网络识别猫

用神经网络思想实现Logistic回归分类器用来识别猫1-问题描述问题说明：你将获得一个包含以下内容的数据集（"data.h5"）：-标记为cat（y=1）或非cat（y=0）的m_train训练图像集-标记为cat或non-cat的m_test测试图像集-图像维度为（num_px，num_px，3），其中3表示3个通道（RGB）。因此，每个图像都是正方形（高度=num_px）和（宽度=num_p
xxxxxxxdl·2020-08-12 00:30

Coursera | Andrew Ng (05-week2)—自然语言处理与词嵌入

【第5部分-序列模型-第2周】在吴恩达深度学习视频基础上，笔记总结，添加个人理解，如有理解描述错误，请多加批评指教。
ZJ_Improve·2020-08-11 20:56

吴恩达深度学习第四课——卷积神经网络（第四周）

4.1什么是人脸识别？（Whatisfacerecognition?）人脸验证（faceverification）和人脸识别（facerecognition）。关于人脸验证问题（一对一）：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，只需要弄明白这个人是否和他声称的身份相符。关于人脸识别问题（一对多）：人脸识别问题比人脸验证问
ascii01ty·2020-08-11 10:42

吴恩达深度学习编程作业 part 1-3

线性不可分的分类实验结论无论用svm，k-nn,logistic效果都不是很理想，实验的过程就省略了。下面我们看用浅层神经网络训练线性不可分数据效果.importnumpyasnpimportmatplotlib.pyplotaspltimportsklearnimportsklearn.datasetsimportsklearn.linear_model%matplotlibinlinedefs
每天吃一个苹果·2020-08-11 00:35

吴恩达深度学习第四课——卷积神经网络（第三周）

3.1目标定位（Objectlocalization）1、什么是目标定位图片分类任务我们已经熟悉了，就是算法遍历图片，判断其中的对象是不是汽车，这就是图片分类。这节课我们要学习构建神经网络的另一个问题，即定位分类问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车，还要在图片中标记出它的位置，用边框或红色方框把汽车圈起来，这就是定位分类问题。其中“定位”的意思是判断汽车在图片中的具体位置。图片
ascii01ty·2020-08-10 10:34

吴恩达深度学习——序列模型与注意力机制

文章目录引言基础模型选择最可能的句子束搜索改进束搜索束搜索的误差分析Bleu分数注意力模型直观理解注意力模型语音识别触发字检测参考引言本文是吴恩达深度学习第五课：序列模型。
愤怒的可乐·2020-08-10 05:26

吴恩达深度学习——自然语音处理与词嵌入

文章目录引言词表示使用词嵌入词嵌入的特性词嵌入矩阵学习词嵌入Word2VecSkip-grams负采样Glove词向量情感分类词嵌入除偏参考引言本文是吴恩达深度学习第五课：序列模型。
愤怒的可乐·2020-08-10 05:25

吴恩达深度学习——循环神经网络

文章目录引言序列模型能解决什么问题符号定义循环神经网络穿越时光反向传播不同类型的循环神经网络语言模型和序列生成对新序列采样RNN的梯度消失问题GRU单元长短记忆网络(LSTM)双向RNN神经网络深层RNN参考引言本文是吴恩达深度学习第五课
愤怒的可乐·2020-08-10 05:25

吴恩达深度学习——人脸识别与神经风格转换

文章目录引言什么是人脸识别One-Shot学习Siamese网络Triplet损失面部验证与二分类什么是神经风格转换深度卷积网络在学习什么神经风格转换代价函数内容代价函数风格代价函数从一维到三维的推广参考引言本文是吴恩达深度学习第四课
愤怒的可乐·2020-08-10 05:25

吴恩达深度学习5.3练习_Sequence Models_Trigger word detection

转载自吴恩达老师深度学习课程作业notebookTriggerWordDetectionWelcometothefinalprogrammingassignmentofthisspecialization!Inthisweek’svideos,youlearnedaboutapplyingdeeplearningtospeechrecognition.Inthisassignment,youwil
Hayden112·2020-08-09 15:38

吴恩达深度学习课后练习 Trigger word detection

文章目录1.创建数据集1.1-Listeningtothedata1.2-Fromaudiorecordingstospectrograms1.3-Generatingasingletrainingexample1.4-Fulltrainingsetanddevelopmentset2-model2.1-BuildthemodelGRADEDFUNCTION:model2.2-Fitthemode
得克特·2020-08-09 14:43

花书+吴恩达深度学习（三）反向传播算法 Back Propagation

LogisticRegression中理解反向传播2.两层神经网络中单个样本的反向传播3.两层神经网络中多个样本的反向传播如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔~我会非常开心的~花书+吴恩达深度学习
zhq9695·2020-08-09 04:38

Coursera | Andrew Ng (01-week2)—神经网络基础

在吴恩达深度学习视频以及大树先生的博客提炼笔记基础上添加个人理解，原大树先生博客可查看该链接地址大树先生的博客-ZJCoursera课程|deeplearning.ai|网易云课堂CSDN：http:/
ZJ_Improve·2020-08-08 12:15

吴恩达深度学习第四课——卷积神经网络（第二周）

2.1经典神经网络1、LeNet-5首先看看LeNet-5的网络结构，假设你有一张32×32×1的图片，LeNet-5可以识别图中的手写数字，比如像这样手写数字7。LeNet-5是针对灰度图片训练的，所以图片的大小只有32×32×1。如果我们从左往右看，随着网络越来越深，图像的高度和宽度在缩小，当时人们并不使用padding，或者总是使用valid卷积，这就是为什么每进行一次卷积，图像的高度和宽度
ascii01ty·2020-08-04 11:57

吴恩达深度学习笔记(105)-人脸识别之面部验证与二分类

https://www.toutiao.com/a6652895489354105351/面部验证与二分类（Faceverificationandbinaryclassification）Tripletloss是一个学习人脸识别卷积网络参数的好方法，还有其他学习参数的方法，让我们看看如何将人脸识别当成一个二分类问题。另一个训练神经网络的方法是选取一对神经网络，选取Siamese网络，使其同时计算这
喜欢打酱油的老鸟·2020-08-04 06:32

pytorch实现 logistic 回归

第一次尝试用pytorch来搭建一个神经网络，原代码是吴恩达深度学习第一课第二周的作业，没有用到框架。
明日何其多_·2020-08-04 00:13

吴恩达深度学习笔记(55)-Softmax 回归（Softmax regression）

Softmax回归（Softmaxregression）到目前为止，我们讲到过的分类的例子都使用了二分分类，这种分类只有两种可能的标记0或1，这是一只猫或者不是一只猫，如果我们有多种可能的类型的话呢？有一种logistic回归的一般形式，叫做Softmax回归，能让你在试图识别某一分类时做出预测，或者说是多种分类中的一个，不只是识别两个分类，我们来一起看一下。假设你不单需要识别猫，而是想识别猫，狗
极客Array·2020-08-02 15:59

吴恩达深度学习第二课第三周编程作业（我使用的是TF2.0）

本文参考的博客为https://blog.csdn.net/u013733326/article/details/79971488原博客中作者用的是tf1.x版本的，本文用的是tf2.x版本，这里挂一下网友整理的两个版本更新的对比https://docs.qq.com/sheet/DZkR6cUZpdFJ2bUxS?tab=BB08J2好嘞，开始正文1-导入TensorFlow库开始之前，我们先导
深度学习吴恩达小迷弟·2020-08-02 12:06

吴恩达深度学习 —— 3.7 为什么需要非线性激活函数

事实证明，要让神经网络能够计算出有趣的函数，必须使用非线性激活函数。如下图所示是神经网络正向传播的方程，为什么不能直接去掉a[1]=g[1](z[1])a^{[1]}=g^{[1]}(z^{[1]})a[1]=g[1](z[1])呢？去掉函数g(z)g(z)g(z)，然后令a[1]=z[1]a^{[1]}=z^{[1]}a[1]=z[1]，或者令g[1]=z[1]g^{[1]}=z^{[1]}g[
努力努力努力努力·2020-07-31 22:44

吴恩达深度学习笔记 2.6~2.9 logistic中的梯度下降

之前我们已经了解了CossFunction的定义,它是一个convex,所以我们能找到它的全局最优解,我们可以先可以先随便选取一组w,b,求得刚开始J(w,b)对w的偏导,用公式:我们可以对w进行更新,其中α为学习率,为梯度下降的步长,α越大,步长越大,同理也可以对b更新,最后经过一步步迭代,我们能够找到最优解使得CostFunction最小.逻辑回归中包含了正向传播和反向传播,用一个计算图来表示
banghu8816·2020-07-31 16:28

B站吴恩达深度学习视频学习笔记（4）——-为什么深度学习会兴起？

前言这节课主要讲述了当今机器学习的探索过程，从过程中我们是怎么样总结优化，使得机器学习一直在被完善和发展。有一些概念和想法对于今后的学习还是很重要的，可以让你知道自己为什么要这么做，为什么要加那个函数等等。为什么深度学习会兴起？(WhyisDeepLearningtakingoff?)本节视频主要讲了推动深度学习变得如此热门的主要因素。包括数据规模、计算量及算法的创新。(3个重点概念！请背书！）深
nine_mink·2020-07-29 21:14

吴恩达深度学习笔记(68)-多任务学习

多任务学习（Multi-tasklearning）在迁移学习中，你的步骤是串行的，你从任务A里学习只是然后迁移到任务B。在多任务学习中，你是同时开始学习的，试图让单个神经网络同时做几件事情，然后希望这里每个任务都能帮到其他所有任务。我们来看一个例子，假设你在研发无人驾驶车辆，那么你的无人驾驶车可能需要同时检测不同的物体，比如检测行人、车辆、停车标志，还有交通灯各种其他东西。比如在左边这个例子中，图
极客Array·2020-07-29 20:47

吴恩达深度学习笔记（4）-为什么深度学习会兴起？

为什么深度学习会兴起？(WhyisDeepLearningtakingoff?)本节视频主要讲了推动深度学习变得如此热门的主要因素。包括数据规模、计算量及算法的创新。(3个重点概念！请背书！）深度学习和神经网络之前的基础技术理念已经存在大概几十年了，为什么它们现在才突然流行起来呢？对啊，为什么？看过我之前文章：人工智能的冷落与兴起，那么你就会了解发展历程了，但是这个深度学习为什么会独引爆全场呢？本
极客Array·2020-07-29 15:08

吴恩达_深度学习概论

吴恩达深度学习笔记，不严谨之处还请斧正。2.什么是神经网络？由一个或多个参数输入信息经过算法计算、计算后结果输出的过程可以看做一个计算单元，可以比作神经元。
太和վ'ᴗ' ի·2020-07-28 23:42

吴恩达深度学习之卷积神经网络（四）人脸识别和神经功能转换

1、什么是人脸识别人脸识别就是识别人脸，比如手机人脸识别开机，人脸识别打卡等。需要注意的是，人脸识别需要和活体检测（用来确认被识别的是一个活人）放在一起使用，这样才能避免用照片骗过手机或者打卡机，我们这里主要将人脸识别部分。人脸识别相关术语：验证问题：输入：图片，名字/ID输出：确认是否输入的信息与该人相符识别问题：假设有一个验证系统，其准确率为99%，假设在识别系统中有100个人需要识别，那么其
胡冰华·2020-07-28 20:32

【卷积神经网络】Lesson 1--卷积神经网络基础

课程来源：吴恩达深度学习课程《卷积神经网络》笔记整理：王小草时间：2018年6月4日1.计算机视觉1.1计算机视觉的3个问题（1）图像分类图像分类是一个在工业界广泛使用的需求，从最早的识别手写数字，邮编到现在的人脸识别
王小小小草·2020-07-28 11:07

吴恩达深度学习 | (17) 卷积神经网络专项课程第一周编程作业

吴恩达深度学习专项课程的所有实验均采用iPythonNotebooks实现，不熟悉的朋友可以提前使用一下Notebooks。
CoreJT·2020-07-28 10:40

吴恩达深度学习第四章卷积神经网络——第四周特殊应用：人脸识别和神经风格转换

特殊应用：人脸识别和神经风格转换人脸识别人脸验证（FaceVerification）和人脸识别（FaceRecognition）的区别：人脸验证：一般指一个一对一问题，只需要验证输入的人脸图像是否与某个已知的身份信息对应；人脸识别：一个更为复杂的一对多问题，需要验证输入的人脸图像是否与多个已知身份信息中的某一个匹配。一般来说，由于需要匹配的身份信息更多导致错误率增加，人脸识别比人脸验证更难一些。O
倚剑笑紅尘·2020-07-28 07:33

卷积神经网络（CNN）之一维卷积、二维卷积、三维卷积详解

如果你对卷积维度的计算不清楚，可以参考我之前的博客吴恩达深度学习笔记（
星蕴w·2020-07-28 06:36

吴恩达深度学习入门学习笔记之神经网络和深度学习（第一周）

第一周为深度学习概论，教授了一些基础概念。2017.8.311.3用神经网络进行监督学习对于一般的数据，比如说房价问题，使用标准的神经网络。对于图像领域中的一些数据处理，经常使用CNN（卷积神经网络）对于序列数据，比如音频文件，和时间有关系，是一维时间序列，经常使用RNN（循环神经网络）。还有单词等逐个出现的数据。对于一些复杂的数据，比如说道路检测中图像加雷达，可以用更复杂的混合神经网络。机器学习
没有头像的宝宝·2020-07-28 05:47

吴恩达深度学习笔记(43)-动量梯度下降法（Momentum）

动量梯度下降法（GradientdescentwithMomentum）还有一种算法叫做Momentum，或者叫做动量梯度下降法，运行速度几乎总是快于标准的梯度下降算法，简而言之，基本的想法就是计算梯度的指数加权平均数，并利用该梯度更新你的权重，在本笔记中，我们要一起拆解单句描述，看看你到底如何计算。例如，如果你要优化成本函数，函数形状如图，红点代表最小值的位置，假设你从这里（蓝色点）开始梯度下降
极客Array·2020-07-28 03:43

吴恩达深度学习课程deeplearning.ai课程作业：Class 4 Week 2 Residual Networks

吴恩达deeplearning.ai课程作业，自己写的答案。补充说明：1.评论中总有人问为什么直接复制这些notebook运行不了？请不要直接复制粘贴，不可能运行通过的，这个只是notebook中我们要自己写的那部分，要正确运行还需要其他py文件，请自己到GitHub上下载完整的。这里的部分仅仅是参考用的，建议还是自己按照提示一点一点写，如果实在卡住了再看答案。个人觉得这样才是正确的学习方法，况且
hongbin_xu·2020-07-27 23:43

吴恩达深度学习课程deeplearning.ai课程作业：Class 2 Week 2 Optimization methods

吴恩达deeplearning.ai课程作业，自己写的答案。补充说明：1.评论中总有人问为什么直接复制这些notebook运行不了？请不要直接复制粘贴，不可能运行通过的，这个只是notebook中我们要自己写的那部分，要正确运行还需要其他py文件，请自己到GitHub上下载完整的。这里的部分仅仅是参考用的，建议还是自己按照提示一点一点写，如果实在卡住了再看答案。个人觉得这样才是正确的学习方法，况且
hongbin_xu·2020-07-27 23:43

【Deeplearning.ai 】吴恩达深度学习笔记及课后作业目录

吴恩达深度学习课程的课堂笔记以及课后作业代码下载：https://github.com/douzujun/Deep-Learning-Coursera课程1-神经网络和深度学习周数名称类型地址week1
Douzi1024·2020-07-27 17:50

卷积神经网络 第三周作业 Keras+-+Tutorial+-+Happy+House+v1

来自吴恩达深度学习系列视频卷积神经网络第三周作业Keras±+Tutorial±+Happy+House+v1，它是一个Keras的小教程。
从流域到海域·2020-07-27 17:23

吴恩达深度学习第四课配置keras

吴恩达老师的深度学习专项课程，第四课的第二周作业需要用到keras这个高级API框架，所有就去配置了。结果配置安装包是有顺序的，我看了一个博客就开始弄，当然啦。。。顺序不对！！！我的电脑是anaconda19年4月下载的（记不得版本啦），win10，pycharm是18.3.4，Python3.7查了资料，配置分两步：1.安装graphviz包进入conda命令窗，输入“pipinstallgra
Msjiangmei·2020-07-27 16:44

吴恩达深度学习课程deeplearning.ai课程作业：Class 4 Week 2 Keras - Tutorial - Happy House

吴恩达deeplearning.ai课程作业，自己写的答案。补充说明：1.评论中总有人问为什么直接复制这些notebook运行不了？请不要直接复制粘贴，不可能运行通过的，这个只是notebook中我们要自己写的那部分，要正确运行还需要其他py文件，请自己到GitHub上下载完整的。这里的部分仅仅是参考用的，建议还是自己按照提示一点一点写，如果实在卡住了再看答案。个人觉得这样才是正确的学习方法，况且
hongbin_xu·2020-07-27 12:18

吴恩达深度学习第二课笔记

1.训练数据的矩阵大小由两个因素决定，一个为单个数据的维度，另一个为数据的数量，习惯上每个数据对应训练矩阵的一列，这可以降低神经网络构建的难度，输出标签也是按照列排列的，之所以只有一行是因为是二分类，一行容下0和1这两个逻辑绰绰有余2.神经网络，一般常理上会用线性关系来表示，可是线性关系其实不够准确，所以会加上sigmoid函数，但是要注意这是神经网络本来的结构，我们要训练改变的其实是线性关系的参
qq_39657264·2020-07-27 10:52

深度学习（一）：引言（结合花书，吴恩达课程总结）

补充内容来源：深度学习（花书），吴恩达深度学习课程----------------------------------------------------------------------------
想养一只哈士奇·2020-07-16 06:30

机器学习资料汇总

机器学习课程台湾国立大学林轩田的机器学习基石和机器学习技法:包括老师主页，b站视频（基石和技法），很全面的笔记（基石和技法）深度学习课程零基础入门深度学习NeuralNetworksandDeepLearning吴恩达深度学习专项课程斯坦福李飞飞
哀思希哀·2020-07-14 19:25

吴恩达深度学习推荐论文列表[附论文链接]

从看到第四课开始，发现出现论文的频率高了不少，想着把这些论文都粗略的读下，就先把他们列在这里，如有不全烦请告知第一课：NeuralNetworks&DeepLearning并没有第二课：ImprovingDeepNeuralNetworks:Hyperparametertuning,RegularizationandOptimizationDropoutSrivastava,Nitish,etal
IDrandom·2020-07-14 04:40

[CNN基础]吴恩达深度学习course4week1思考小结

预告：>>1.机器视觉的研究对象>>2.卷积操作和边界检测>>3.padding,stride>>4.三维卷积操作和一个卷积层>>5.pooling层>>6.一个卷积神经网络的实例1.Computervision机器视觉的研究对象computervision的相关问题主要有imageclassification,objectdetection,styletransfer.ScreenShot201
小双2510·2020-07-14 00:34

吴恩达的深度学习课：我的课程回顾

吴恩达深度学习的五门课程旨在为新手和实践者提供一套关于深度学习的速成课程——从全连接的神经网络到卷积网络再到序列模型。我选择了五门课程，并修完了其中四门。
智能观·2020-07-13 14:39

吴恩达深度学习第四课第一周

为了方便大家，我将代码上传至git上，训练正确率和测试正确率比coursera上有所提高。在计算损失函数时，TensorFlow将原来tf.nn.softmax_cross_entropy_with_logits替换为tf.nn.softmax_cross_entropy_with_logits_v2.我查阅了大量资料，未能找到关于二者区别的文章，TensorFlow版本问题可能导致了最终程序结果
爱学习的凯·2020-07-12 10:30

吴恩达深度学习第一课第四周作业

DeepNeuralNetworkforImageClassification:ApplicationWhenyoufinishthis,youwillhavefinishedthelastprogrammingassignmentofWeek4,andalsothelastprogrammingassignmentofthiscourse!Youwilluseusethefunctionsyou
wanfuchun·2020-07-12 04:24

吴恩达深度学习-第一课-第一周笔记

第一课第一周深度学习概论神经网络（NeuralNetwork）神将网络的构筑理念是受到生物神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以人工神经网络也是数学统计学方法的一种实际应用。和其他机器学习方法一样，神经网络已经被用于解决各种各样的问题，例如机器视觉和语音识别。这些问题都是很难被传统基于规则的编程所解决的。机器学习领域所说的神经网络指的是
Qingzheng Yang·2020-07-11 16:53

吴恩达深度学习课程第一课 第二周神经网络基础 编程作业 lr_utils 文件内容

importnumpyasnpimporth5pydefload_dataset():train_dataset=h5py.File('datasets/train_catvnoncat.h5',"r")train_set_x_orig=np.array(train_dataset["train_set_x"][:])#yourtrainsetfeaturestrain_set_y_orig=np
氵中彳亍·2020-07-11 15:34
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他