吴恩达深度学习第3页

《吴恩达深度学习》学习笔记-1 第一章深度学习概述

文章目录关注我的公众号~一起学习第一章深度学习概述1.什么是神经网络？2.用神经网络进行监督学习结构化数据非结构化数据小结3.深度学习兴起的原因神经网络的优势算法革新帮助研究人员在深度学习的工作中迭代地更快4.此课程学习的内容5.第一章习题练习6.关注我的公众号~一起学习第二章神经网络基础第三章第四章关注我的公众号~一起学习欢迎大家扫码关注我的公众号~获取更多学习资源与内容目前学习内容：前端基础知

敲代码的小提琴手·2023-02-07 09:55

吴恩达深度学习（笔记+作业）·第一课·第三周浅层神经网络

目录一、神经网络概览二、多个例子中的向量化三、激活函数四、神经网络的梯度下降法五、直观理解反向传播（+矩阵求导）六、随机初始化作业：一、神经网络概览双层神经网络一般包含输入层、隐藏层、输出层，但是输入层一般用第0层表示二、多个例子中的向量化三、激活函数四、神经网络的梯度下降法这个是我总结的一篇笔记：❤一张图看懂神经网络的符号参数（+向量化的注意事项）五、直观理解反向传播（+矩阵求导）矩阵求导简介为

手可摘星辰不去高声语·2023-02-04 13:01

吴恩达深度学习第一课-第二周笔记及课后编程题

逻辑回归（LogisticRegression）逻辑回归用于二分类（BinaryClassification），输出值为0-1范围内的实数。通常规定：输出值小于0.5分类为"0"，输出值大于0.5分类为"1"逻辑分布（LogisticDistribution）逻辑分布为连续型概率分布。分布函数：密度函数：可见f(x)与正态分布形状相似，不过尾部更长，波峰更高，在数据分布情况如此时，选择逻辑分布建模

Giraffeee_·2023-02-04 13:52

“机器视觉+深度学习”进阶步骤

文章目录前言一、StanfordCS221（人工智能原理与技术）二、StanfordCS230（吴恩达深度学习DeepLearning|Autumn2018）三、StanfordCS231N（李飞飞计算机视觉课程

weixin_46771530·2023-02-03 14:37

吴恩达深度学习第一课 — 神经网络与深度学习1.2

cal构建神经网络·2.1二分分类(BinaryClassification）计算机保存一张图片，要保存三个独立矩阵：红，绿，蓝（其他颜色都是由这三原色组合形成），如果保存的图片是64x64的，那每个矩阵也是64x64的。且每个矩阵里的元素值，代表着颜色的强度。把像素值取出放入一个特征向量x（三个矩阵元素变成一列向量），且特征向量的维度是64x64x3=12288(三个矩阵元素总数量)。在二分分类

今天没有瘦·2023-02-03 11:44

吴恩达深度学习课程第一课 — 神经网络与深度学习

目录1.神经网络（NeuralNetwork）1.1.神经网络1.2.用神经网络进行监督学习（SupervisedLearningwithNeuralNetworks）2.神经网络基础（BasicsofNeuralNetworkProgramming）2.1.逻辑回归（LogisticRegression）2.2.损失函数（LossFunction）2.3.梯度下降法（GradientDescen

你的莽莽没我的好吃·2023-02-03 11:10

B站吴恩达深度学习视频笔记（5）——二分类问题

前言这几天在努力攻克神经网络，并想办法怎么把那些非常吓人的推到公式变成大家喜欢看的形式，用大家熟知的语言描述出来。很多人都是在神经网络这里看到一大坨公式然后知难而退。神经网络是机器学习的必经之路，是初学者们必须攻克的第一个难题，我会尽量用你们容易接受的语言和知识向你们描述神经网络中的一些最最基础也是最最重要的部分。现在我们来了解一下深度学习中比较简单的一类问题：二分类问题。二分类(BinaryCl

nine_mink·2023-01-30 17:38

数据增强（Data Augmentation）

来源：Coursera吴恩达深度学习课程大部分的计算机视觉任务需要很多的数据，所以数据增强（dataaugmentation）是经常使用的一种技巧来提高计算机视觉系统的表现。

双木的木·2023-01-30 13:55

吴恩达深度学习（笔记+作业）·第四课·第一周卷积神经网络

目录一、计算机视觉二、边缘检测三、padding、stride四、三维卷积（加入其他通道）五、卷积网络卷积层池化层六、卷积神经网络作业卷积网络的优点一、计算机视觉图片分类、目标检测、风格迁移……二、边缘检测*<----这个*在数学中表示卷积从convolution三、padding、stride这里计算的都是图像的大小，而非图像的通道padding：Valid：不填充像素Same：填充像素，卷积前

手可摘星辰不去高声语·2023-01-27 11:25

吴恩达深度学习笔记.PDF

吴恩达深度学习课程，是公认的最优秀的深度学习课程之一，目前没有教材，只有视频，本文提供完整笔记下载，这本笔记非常适合和深度学习入门。

风度78·2023-01-27 02:19

吴恩达深度学习：正交化、单一数字评估、满足优化指标

此公众号会发表计算机考研（初复试信息）、夏令营等资料，方便考研人对信息的获取，节约自身查找资料的时间目录正交化单一数字评估指标满足和优化指标(SatisficingandOptimizingMetrics)正交化搭建建立机器学习系统的挑战之一是，你可以尝试和改变的东西太多太多了。包括，比如说，有那么多的超参数可以调。我留意到，那些效率很高的机器学习专家有个特点，他们思维清晰，对于要调整什么来达到某

青竹aaa·2023-01-26 08:27

吴恩达深度学习Day1

神经网络（neuralnetwork）：不论何种类型的人工神经网络，它们共同的特点是，大规模并行处理，分布式存储，弹性拓扑，高度冗余和非线性运算；而具有很髙的运算速度，很强的联想能力，很强的适应性，很强的容错能力和自组织能力。对每个输出需求（每个不同输入的输出）设定一个特定的人工神经元（功能模型），然后每个第一层的神经元的输出（可以看成新的特征）再输入到下一层的神经元；神经网络可以自己计算出它想要

Tezzz·2023-01-23 19:56

门控循环单元-GRU单元（Gated Recurrent Unit）

来源：Coursera吴恩达深度学习课程接下来我们将会学习门控循环单元（GatedRecurrentUnit），它改变了RNN的隐藏层，使其可以更好地捕捉深层连接，并改善了梯度消失问题，让我们看一看。

双木的木·2023-01-22 07:25

吴恩达深度学习第一课第四周编程作业（1）

吴恩达深度学习第一课第四周编程作业（1）构建深层神经网络：一步一步1-包装2-轮廓3-初始化3.1-2层神经网络练习1-初始化参数3.2-L层神经网络练习2-初始化参数4-正向传播模块4.1-线性向前练习

tqh267·2023-01-21 09:00

吴恩达深度学习笔记-机器学习策略(第8课)

机器学习策略一、进行误差分析二、清除标注错误的数据三、快速搭建你的第一个系统，并进行迭代四、在不同的划分上进行训练并测试五、不匹配数据划分的偏差和方差六、解决数据不匹配七、迁移学习八、多任务学习九、什么是端到端的深度学习十、是否使用端到端的深度学习一、进行误差分析当我们的模型还没有达到人类水平，可以人工检查一下你的算法犯的错误，也许能让我们知道下一步能做什么，这个过程就叫做误差分析。例如在猫分类器

快乐活在当下·2023-01-21 08:22

【免费下载】吴恩达深度学习（DeepLearning.ai）课程讲义及课后测验 pdf 版

吴恩达深度学习（DeepLearning.ai）课程讲义pdf版链接：https://pan.baidu.com/s/1adBW3Kf-KfX8bFFpdO1dKQ提取码：rzss吴恩达深度学习（DeepLearning.ai

早知晓·2023-01-21 08:47

【吴恩达深度学习课后作业】编程作业遇到的问题及解决办法（课程1）第二周

参考编程作业的学习地址：【吴恩达课后编程作业】Course1-神经网络和深度学习-第二周作业-具有神经网络思维的Logistic回归原文链接：https://blog.csdn.net/u013733326/article/details/79639509lr_utils.py和datasets是原始文件，我们需要将其相关数据从中提取出来。区别于利用jupyter，我使用PyCharm2020.1

五十赫兹小透明·2023-01-19 10:48

吴恩达深度学习第一课第三周单隐层神经网络实现，相关文件、数据集下载以及bug修改心得

最近在学习吴恩达老师深度学习的课程，实现了单隐藏层神经网络的实现，现在将自己在编程过程中遇到的问题记录下。先将需要用到文件的分享链接：https://pan.baidu.com/s/148VvXV-SWW-PrFS7mVK_oA密码：rkk7导入需要的库importnumpyasnp#Python绘制图形的库importmatplotlib.pyplotasplt#testCases提供了一些测试

你猜不到我是谁~·2023-01-19 09:12

深度学习 | 吴恩达深度学习课程2 Week1

Course2Week1编程作业1任务2初始化参数2.1数据2.2神经网络模型2.3初始化为零2.3.1代码2.3.2训练2.3.3预测2.4随机初始化2.4.1代码2.4.2训练2.4.3预测2.5抑梯度异常初始化2.5.1代码2.5.2训练2.5.3预测2.6总结3正则化3.1数据3.2代码3.3训练+预测4dropout4.1代码4.1.1前向4.1.2反向4.1.3主代码4.2训练+预测5

写代码的阿呆·2023-01-19 09:41

吴恩达深度学习笔记-Logistic Regression(第1课)

深度学习笔记第一课深度学习介绍1、什么是神经网络？2、用神经网络进行监督学习3、深度学习为什么会兴起？第二课神经网络基础知识1、二分分类2、LogisticRegression3、LogisticRegression损失函数4、LogisticRegression梯度下降5、向量化LogisticRegression6、向量化LogisticRegression的梯度输出7、Python中的广播8

快乐活在当下·2023-01-19 09:35

【学习周报】深度学习笔记第二周

学习目标：吴恩达深度学习课程week2学习内容：梯度下降法（GradientDescent）计算图（ComputationGraph）逻辑回归中的梯度下降（LogisticRegressionGradientDescent

不要卷我啊·2023-01-18 08:54

吴恩达深度学习deeplearning.ai——第一门课：神经网络与深度学习——第二节：神经网络基础（上）

2.1二元分类(BinaryClassification)这周我们将学习神经网络的基础知识，其中需要注意的是，当实现一个神经网络的时候，我们需要知道一些非常重要的技术和技巧。例如有一个包含mmm个样本的训练集，你很可能习惯于用一个for循环来遍历训练集中的每个样本，但是当实现一个神经网络的时候，我们通常不直接使用for循环来遍历整个训练集，所以在这周的课程中你将学会如何处理训练集。另外在神经网络的

Lishier99·2023-01-16 13:21

Python吴恩达深度学习作业8 -- 深度神经网络的梯度检验

梯度检验假设你是致力于在全球范围内提供移动支付的团队的一员，被上级要求建立深度学习模型来检测欺诈行为–每当有人进行支付时，你都应该确认该支付是否可能是欺诈性的，例如用户的账户已被黑客入侵。但是模型的反向传播很难实现，有时还会有错误。因为这是关键的应用任务，所以你公司的CEO要反复确定反向传播的实现是正确的。CEO要求你证明你的反向传播实际上是有效的！为了保证这一点，你将应用到"梯度检验"。impo

Puzzle harvester·2023-01-16 13:51

吴恩达深度学习课程笔记

1.逻辑回归、梯度下降法、向量化2.广播、关于numpy向量的说明3.神经网络、激活函数、随机初始化4.超参数、划分数据集、偏差与方差、正则化5.

劳埃德·福杰·2023-01-15 16:17

吴恩达深度学习系列课程随记——Course4Week1

1.计算机视觉任务：图片分类/识别：图片是不是猫目标检测：图片中所有车的位置图片风格迁移：让一张图看起来像毕加索画的挑战：数据可能很大，如1k*1k的图片有300万维输入，如果有1000个隐藏单元，一层W会有30亿个参数因此，需要卷积2.边缘检测示例滑动窗口对位相乘，称为卷积运算，小的那个矩阵称为核或者过滤器图中这个过滤器，用来检测垂直边缘。将它反转一下，可以检测水平边缘。（这是从结果看出的，中间

Asteries·2023-01-14 11:03

吴恩达深度学习系列课程随记——Course2Week1

1.训练、验证、测试集训练集：用来训练验证集：用来找出最好模型测试集：无偏评估算法的运行状态（没有也不要紧）小数据时代：70%训练30%测试/60%训练20%训练20%测试大数据时代：99%（或者更多）训练1%验证%1%测试尽量保证验证集和测试集来自同一分布（网页抓取：牺牲了这一点来获取大量数据）没有测试集：这时验证集常常被称作测试集2.偏差、方差两者的平衡很少考虑欠拟合：高偏差（训练集误差高）过

Asteries·2023-01-14 11:32

【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第二周神经网络基础作业

视频链接：【中英字幕】吴恩达深度学习课程第一课—神经网络与深度学习本文题目来源：【中英】【吴恩达课后测验】Course1-神经网络和深度学习-第二周测验吴恩达深度学习第一部分第二周作业打卡目录英文习题中文习题答案英文习题

passer__jw767·2023-01-14 09:11

吴恩达深度学习笔记（一）week4 深层神经网络

深层神经网络1.逻辑回归，结构如下图左边。一个隐藏层的神经网络，结构下图右边：神经网络的层数是这么定义的：从左到右，由0开始定义，比如上边右图，x1、x2、x3、严格上来说逻辑回归也是一个一层的神经网络，而上边右图一个深得多的模型，浅与深仅仅是指一种程度。有一个隐藏层的神经网络，就是一个两层神经网络。记住当我们算神经网络的层数时，我们不算输入层，我们只算隐藏层和输出层。上图是一个四层的神经网络，有

uponwyz·2023-01-14 07:34

吴恩达深度学习笔记4-Course1-Week4【深层神经网络】

深层神经网络（DNN）:一、深层神经网络4层的神经网络：二、前向与反向传播前向(forwardpropagation):反向(backwardpropagation):notation:n[l]：第l层的unit个数W[l]：(n[l],n[l−1])b[l]：(n[l],1)dW[l]：(n[l],n[l−1])db[l]：(n[l],1)singleexample:x：(n[0],1)z[l]

Wang_Jiankun·2023-01-14 07:01

吴恩达深度学习1笔记week4——深层神经网络 Deep L-layer Neural Network

吴恩达深度学习笔记week4——深层神经网络DeepL-layerNeuralNetwork4.1深层神经网络DeepL-layerNeuralNetwork4.2深层网络中的前向传播ForwardPropagationinaDeepNetwork4.3

Saulty·2023-01-14 07:30

Python吴恩达深度学习作业 1 -- Numpy入门与函数向量化

Numpy基础大家好，这里是你们的第一个作业，即使你之前没有用过python，这个作业也会帮助你熟悉接下来会用到的功能操作指南:请使用python3避免使用for循环，除非题目里要求不要更改(#GRADEDFUNCTION[functionname])的注释写完代码，运行下面的cell确认你的输出是对的做完这个作业，你能学会：用ipythonnotebook用numpy，包括函数调用及向量矩阵运算

Puzzle harvester·2023-01-13 19:35

吴恩达深度学习笔记 course3 week2 机器学习策略(2)

1.Carryingouterroranalysis例:当我们在训练一个模型的时候,我们的准确率是90%,bayesoptimizedbias是0%,这个时候错误率达到了10%,那么我们如何分析是哪错了,并且快速改正,如果我们分析发现误将狗识别为猫,那我们是否又应该加入一些狗的图片,增强模型对负样本的训练?这个时候就引入了误差分析分析过程:这里吴恩达老师是取出100张被错误标记的图片,观察其中把狗

weixin_30888707·2023-01-12 11:22

吴恩达深度学习笔记（三）week2机器学习策略

进行误差分析以一个简单的例子为例，在做一个猫图片的分类器时，若产生了5%5%的误差，其中有些图片误把狗分类为猫，是不是应该马上决定设计一个针对狗的识别系统？答案是否定的，若错误分类里面只有少数的是狗则不需要，所以有必要对误差进行分析。常用的误差分析是用一个表格做统计，如下图所示，统计每项可能引起系统误差的比例。清楚标记错误的数据吴恩达：人工干预，对误差进行分析，加入人对数据的理解在构建实际机器学习

lwmiracle·2023-01-12 11:16

吴恩达深度学习笔记course3 week2 测验

第1个问题Tohelpyoupracticestrategiesformachinelearning,inthisweekwe’llpresentanotherscenarioandaskhowyouwouldact.Wethinkthis“simulator”ofworkinginamachinelearningprojectwillgiveataskofwhatleadingamachinel

banghu8816·2023-01-12 11:13

吴恩达深度学习笔记9-Course3-Week2【机器学习策略（ML Strategy）2】

机器学习策略（MLStrategy）2一、误差分析（ErrorAnalysis）1、进行误差分析（Carryingouterroranalysis）当训练完模型后，可以得到该模型的误差。接着我们要不断的对模型进行优化，减少误差。误差分析就是为了指导模型往能最大化减少误差的方向调整。误差分析就是对由不同错误分类类型引起的错误占总错误的比例进行排序，优先优化占比高的错误类型。以识别猫为例，预测失败可能

Wang_Jiankun·2023-01-12 11:42

Coursera | Andrew Ng (03-week2)—机器学习 ML 策略（2）

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·2023-01-12 11:12

吴恩达深度学习（笔记+作业）·第二课·第一周深度学习的实用层面

目录一、训练集train/验证集dev(val)/测试集test二、偏差/方差三、正则化（解决高方差）（L2正则化）四、正则化如何预防过拟合五、Dropout正则化（最常用：inverteddropout）六、其他正则化方法七、归一化/标准化：代价函数优化更快捷八、梯度消失/梯度爆炸九、权重初始化十、梯度检验（检验反向传播的bug）作业初始化参数正则化Dropout梯度校验内容涉及：超参数调优、如

手可摘星辰不去高声语·2023-01-10 19:06

吴恩达深度学习笔记（六）——超参数调试、Batch正则化和程序框架

一、调试处理给超参数取值：网格中取样点，随机取值，由粗糙到精细的策略。为超参数选择合适的范围：随机取值不是在有效范围内随即均匀取值，选择合适的步进值很重要。比如搜索学习率α，在0.0001到1之间，如果随机均匀取值，则在0.1到1之间应用了90%的资源，在0.0001到0.1之间只有10%的搜索资源。因此，不使用线性轴，而使用对数轴会更加合理。β越接近于1越敏感，需要密集取值。超参数调试实践：照看

子非鱼icon·2023-01-10 19:06

吴恩达深度学习（笔记+作业）·第一课·第二周神经网络基础

目录1.二分分类2.logistic回归3.logistic代价函数4.梯度下降法5.计算图6.logistic回归中的梯度下降法7.向量化8.向量化logistic回归9.Python中的广播10.pythonnumpy1.二分分类2.logistic回归3.logistic代价函数4.梯度下降法5.计算图可以参考刘普洪老师的计算图6.logistic回归中的梯度下降法7.向量化程序第二、六行错

手可摘星辰不去高声语·2023-01-10 19:06

吴恩达深度学习（笔记+作业）·第一课·第四周深层神经网络

目录一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数四、参数和超参数作业：一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数拿出一张纸，计算各个矩阵的维度四、参数和超参数作业：#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021

手可摘星辰不去高声语·2023-01-10 19:36

吴恩达深度学习第一课第二周编程作业

吴恩达深度学习第一课第二周编程作业建议进入本文主题，第二周编程作业你将学会：本人在写这篇作业时的手写笔记：1.导入包2.习题集概述练习1练习23.学习算法的一般结构4.构建我们算法的各个部分4.1Helperfunctions

tqh267·2023-01-10 19:34

吴恩达深度学习第一课第四周作业（2）

深度神经网络在图像分类中的应用1-包2-加载和处理数据集3-模型架构3.1-2层神经网络3.2-L层深层神经网络3.3-一般方法4-二层神经网络练习1-两层模型4.1-培训模型五层神经网络练习2-L_layer_model5.1-训练模型6-结果分析7-使用自己的图像进行测试（可选/未分级练习）当您完成本笔记本时，您将完成第4周的最后一个编程作业，以及课程1的最后一个编程作业！要构建cat/not

tqh267·2023-01-10 19:34

吴恩达深度学习课程第四章第二周编程作业(pytorch实现)

文章目录前言一、问题描述二、前置知识和模型架构1.残差网络的基本知识2.模型架构二、编程实现1.Dataloader加载数据2.残差块的封装3.残差网络ResNets4.主控函数四、结果前言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】Course4-卷积神经网络-第二周作业这篇博客，对其代码实现了复现，但是原博客中代码使用的是te

麻衣带我去上学·2023-01-10 19:04

吴恩达深度学习课程第五章第二周编程作业(pytorch实现)

文章目录前言一、词向量运算1.数据准备2.余弦相似度3.词类类比二、表情生成器V1三、表情生成器V21.构造嵌入层embedding_layer2.Dataloader3.构造LSTM4.模型训练5.实验结果前言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】Course5-序列模型-第二周作业-词向量的运算与Emoji生成器这篇博客

麻衣带我去上学·2023-01-10 19:04

吴恩达深度学习课程第二章第三周编程作业(pytorch实现)

文章目录声明一、问题描述二、编程实现1.加载数据集2.使用mini-batch3.利用pytorch搭建神经网络3.1利用torch.nn简单封装模型3.2定义优化算法和损失函数4.整体代码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】Course2-改善深层神经网络-第三周作业这篇博客，对其代码实现了复现，但是原博客中代码使用

麻衣带我去上学·2023-01-10 19:03

吴恩达深度学习课程第二章第一周编程作业

文章目录声明一、任务描述二、编程实现1.数据2.参数初始化2.1初始化参数为02.2参数随机初始化2.3抑梯度异常初始化2.4主控函数2.5测试结果对比2.5.1初始化为02.5.2随机初始化参数2.5.3抑梯度异常初始化3.模型正则化3.1未使用正则化3.2L2正则化3.3dropout正则化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

麻衣带我去上学·2023-01-10 19:33

【吴恩达深度学习】：第二周编程作业（笔记型）——01

参考资料来源本文主要内容是参照该博主编写的，以下是原文链接：https://blog.csdn.net/u013733326/article/details/79639509一、简介吴恩达深度学习第二周作业

无眠·2023-01-10 19:29

【吴恩达深度学习】：第二周编程作业（笔记型）——02

三、编程python版本3.7.43.1安装库和加载程序为了实现这个项目，我们需要安装一下库：numpy：python进行科学计算的基本软件包h5py：是与H5文件中的存储的数据集进行交互的常用软件包h5py文件是存放两类对象的容器，数据集(dataset)和组(group)，dataset类似数组类的数据集合，和numpy的数组差不多。group是像文件夹一样的容器，它好比python中的字典，