吴恩达深度学习第6页

吴恩达深度学习环境配置

Python：3.6.0TensorFlow：1.2.1Keras：2.0.7第一步：安装Anaconda，Anaconda下载页面：https://www.anaconda.com/distribution/#download-section第二步：打开AnacondaPrompt，是Anaconda的终端，可以用Conda命令管理Python库并创建虚拟环境第三步：进入虚拟环境：dl中安装的p

CCCCCLC·2022-11-22 21:15

One shot learning-Siamese Networks

问题描述某个种类只有一张图片(神经网络在某类只有一张图片的时候预测该类的效果较差)(这样的训练图片集并不能够训练一个鲁棒性较好的神经网络)(当每次有新的类型进来，需要重新训练整个网络)解决方案:SiameseNetwork吴恩达深度学习视频中共提了两种

ystsaan·2022-11-22 17:54

（一）逻辑回归及其代价函数 --- 吴恩达深度学习笔记

逻辑回归—适用于二分类问题使用逻辑回归算法会得到的输出标签y，y在监督问题中全是0或者1，因此这是一种针对二分类问题的算法。给定的输入特征向量x和一幅图像对应，我们希望识别这是否是一张猫的图片。因此我们想要一种算法能够输出一个预测值，我们称之为y帽(yhaty^\widehat{y}y)，这代表对真是标签Y的估计。形式上讲yhat是当给定特定输入特征x时，预测标签y为1的概率。换种说法就是当x是一

奕星星奕·2022-11-22 11:07

【吴恩达深度学习week4编程作业】

本文参考该播主实现，需要的文件在博主的文章里：https://blog.csdn.net/u013733326/article/details/79767169这次我先记录我自己打代码时候的错误，最后把添加注释的代码放到最后；1.初始化参数b1在初始化b1的时候我发现我没有把b1初始化为参数为0的数组，并且维度设置的也不对，最后导致错误：Traceback(mostrecentcalllast):

无眠·2022-11-20 23:28

机器学习/深度学习资源下载合集（持续更新...）

文章首发于Github，若下载资源请跳转Github.文章目录1.视频：1.1.吴恩达老师机器学习课程：1.2.吴恩达深度学习课程：1.3.斯坦福CS231n:ConvolutionalNeuralNetw

强劲九·2022-11-20 22:59

Inception网络（Inception Network）

来源：Coursera吴恩达深度学习课程在这篇文章Inception网络模块（InceptionNetworkModule）中已经介绍了Inception网络组成模块的基本原理。

双木的木·2022-11-20 19:12

深度学习基于LSTM的商品评论多分类实战

数据预处理1.查看、去除缺失值2.将汉字标签转换为数字3.去除标点符号，再进行分词，再去除停用词4.文本数据转换为向量三、LSTM建模1划分数据集2LSTM模型3模型训练4预测结构查看总结前言我的前面博客有吴恩达深度学习进行情感二分类分析的案例

一颗西柚子·2022-11-20 00:20

吴恩达深度学习笔记——结构化机器学习项目（Structuring Machine Learning Projects）

深度学习笔记导航前言传送门结构化机器学习项目（MachineLearningStrategy）机器学习策略概述正交化（orthogonalization）评价指标数字评估指标的单一性满足指标与优化指标数据集划分数据集区分数据集划分比例什么时候改变指标/开发集/测试集人类表现贝叶斯水平-人类水平-机器学习水平biasandvariance（偏差和方差）深入理解“人类表现”超越人类表现总结：改善模型表

亦梦亦醒乐逍遥·2022-11-19 23:32

[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！这份笔记只能用两个字形容：全面！课程概述关于该深度学习专项课程，编者非常推荐！它对于理解各种算法背后的原理非常有帮助，同时提供了大量的应用场景，涉及图像、语音、自然语言理解等各方面，还提供了一些工具函数、数

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

文章目录声明一、任务描述二、编程实现1.数据处理2.初始化神经网络参数3.前向传播3.1线性前向传播3.2非线性+线性前向传播3.3前向传播主控程序4.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】Course2-改善深

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

前言到此为止，神经网络基础就正式告一段落。坚持看到这篇文章的同学，恭喜你，你已经正式入门机器学习了。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。教程概述这里不需要编写太多的代码,不过我们将一步步慢慢地告诉你怎么以后怎么创建自己的模型。教程将会涵盖以下步骤:加载数据定义模型编译模型训练模型评估模型结合所有步骤在一起

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。coding不易，给个点赞行不行^_^TransformerNetworkWelcometoWeek4'sassignment,thelastassignmentofCourse5oftheDeepLearningSpecialization!Andcongratulati

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

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

深度学习概述及优化1、深度学习概述2、神经网络基础之逻辑回归3、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，举了一个预测房屋价格的例子，当时的输入变量只有房屋面积，对于这种问题当时的解决方案是单变量线性回归，当时的假设函数是

不自知的天才·2022-11-19 19:29

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。以下将附上我学习中使用的资料和代码仅供读者参考：1.教程视频见网易云课堂2.课程笔记在线阅读与下载3.课后编程作业题目4.编程作业题目代码（前四章，自写加借鉴，如有错误，可联系我，不胜感激）密码：umov5.编

晓风wangchao·2022-11-19 19:19

机器学习/深度学习入门建议

机器学习实战参考书籍：《统计学习方法》李航吴恩达机器学习笔记部分截图：第四阶段：深度学习1.吴恩达深度学习简介：这应该是最好的入门教程了神经

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

Tensorflow+Tutoria 关于吴恩达深度学习课后作业无法运行的解决方案

Tensorflow+Tutoria关于吴恩达深度学习课后作业无法运行的解决方案Welcometothisweek’sprogrammingassignment.Untilnow,you’vealwaysusednumpytobuildneuralnetworks.Nowwewillstepyouthroughadeeplearningframeworkthatwillallowyoutobuil

JUNCLING·2022-11-16 18:22

二分类交叉熵损失函数python_【深度学习基础】第二课：softmax分类器和交叉熵损失函数...

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。

weixin_39650745·2022-11-13 11:11

吴恩达深度学习笔记（五）——优化算法

一、mini_batch梯度下降法如果使用batch梯度下降法，mini-batch的大小为m，每个迭代需要处理大量的训练样本，弊端在于巡林样本巨大的时候，单次迭代耗时过长。如果使用随机梯度下降法（mini-batch为1），只处理一个样本，通过减小学习率，噪声得到改善或者减小。缺点是失去向量化带来的加速，效率低下。且永远不会收敛，会一直在最小值附近波动，并不会达到最小值并停留在此。所以实践中，通

子非鱼icon·2022-11-12 17:41

Mini batch梯度下降法（吴恩达深度学习视频笔记）

深度学习并没有在大数据中表现很好，但是我们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，因此进行优化算法能够很大程度地增加训练速度，提升效率。本节，我们将谈谈Minibatch梯度下降法。之前的学习中，我们已经了解到向量化能够实现对m个样本有效计算，不用明确的公式就能够处理整个训练集，所以，我们要把数据集放在一个巨大的矩阵X中，X=[x(1)x(2)x(3)…x(

lucky公主·2022-11-12 17:11

吴恩达深度学习课程笔记

目录通用符号总结激活函数sigmoid1、Logistic回归2、梯度下降法3、Logistic回归的梯度下降算法3.1假设只有一个训练样本(x,y)(x,y)(x,y)3.2假设有m个训练样本:3.3向量化3.4广播4、神经网络5、激活函数5.1常用激活函数5.2经验5.3为什么要用激活函数6、神经网络的梯度下降法参数：costfunction:正向传播：反向传播：随机初始化7、深层神经网络7.

静仔是个免费的小精灵·2022-11-12 17:36

吴恩达深度学习课程笔记——梯度下降算法和向量化

梯度下降算法和向量化逻辑回归中的梯度下降单样本梯度下降向量化多样本梯度下降逻辑回归中的梯度下降梯度下降法的作用是：在测试集上，通过最小化代价函数J(w,b)J(w,b)J(w,b)来训练的参数www和bbb。w:=w−a∂J(w,b)∂ww:=w-a\frac{\partialJ(w,b)}{\partialw}w:=w−a∂w∂J(w,b)b:=w−a∂J(w,b)∂bb:=w-a\frac{\

阿姝姝姝姝姝·2022-11-12 17:34

吴恩达深度学习笔记(39)-更进一步理解mini-batch梯度下降法

理解mini-batch梯度下降法（Understandingmini-batchgradientdescent）在上一个笔记中，你知道了如何利用mini-batch梯度下降法来开始处理训练集和开始梯度下降，即使你只处理了部分训练集，即使你是第一次处理，本笔记中，我们将进一步学习如何执行梯度下降法，更好地理解其作用和原理。使用batch梯度下降法时，每次迭代你都需要历遍整个训练集，可以预期每次迭代

极客Array·2022-11-12 17:01

吴恩达深度学习笔记-优化算法(第5课)

优化算法一、Mini-batch梯度下降算法二、理解mini-batch梯度下降法三、指数加权平均四、理解指数加权平均五、指数加权平均值的偏正修差六、动量梯度下降法(gradientwithmomentum)七、RMSprop(rootmeansquareprop)八、Adam优化算法九、学习率衰减十、局部最优的问题一、Mini-batch梯度下降算法当X是一个数量很大的数据集，例如m=50000

快乐活在当下·2022-11-12 17:30

梯度下降法 --- 吴恩达深度学习笔记

损失函数是衡量单一训练样例的效果。代价函数用于衡量参数w和b的效果，在全部训练集上来衡量。如何使用梯度下降法来训练或者学习训练集上的参数w和b？回顾逻辑回归算法损失函数y^=σ(wTx+b),σ(z)=11+e−z,z=wTx+b\widehat{y}=σ(w^{T}x+b),\sigma(z)=\frac1{1+e^{-z}},z=w^{T}x+by=σ(wTx+b),σ(z)=1+e−z1,z

奕星星奕·2022-11-12 17:29

第九周周报

学习目标：ViTGAN代码吴恩达深度学习学习内容：GANDCGANViTGANNLP学习时间：10.31-11.4学习产出：一、GAN了解了GAN的网络结构并编写代码'''数据准备'''transform

童、一·2022-11-12 11:49

第七周周报

学习目标：论文StyleSwin简单了解SwinTransfrmer和StyleGAN吴恩达深度学习视频学习内容：具体了解StyleSwin的代码和结构了解SwinTransformer的结构及ShiftedWindow

童、一·2022-11-12 11:49

第八周周报

学习目标：ViTGAN论文吴恩达深度学习视频学习内容：VisionTransformer论文ViTGAN论文深度学习中的卷积神经网络学习时间：10.24-10.28学习产出：一、VisionTransformer1

童、一·2022-11-12 11:19

【吴恩达深度学习编程作业】4.2深度卷积网络——Keras入门与残差网络的搭建

参考文章：Keras入门与残差网络的搭建结果就是笑脸检测并不准确，手势识别也不准确。1.Keras入门——笑脸识别main.pyimportnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlib.pyplotimportimshowfromkeras.layersimportInput,Dense,Activation,ZeroPadding2D,B

贪钱算法还我头发·2022-11-08 19:21

github标星8331+：吴恩达深度学习课程资源（完整笔记、中英文字幕视频、python作业，提供百度云镜像！）...

吴恩达老师的深度学习课程（deeplearning.ai），可以说是深度学习入门的最热门课程，我和志愿者编写了这门课的笔记，并在github开源，star数达到8331+，曾经有相关报道文章。为解决github下载速度较慢，我将我的github仓库打包成镜像文件，放到百度云提供下载，5秒即可保存。（黄海广）课程说明课程地址：https://www.deeplearning.ai国内由网易云课堂进行

湾区人工智能·2022-11-07 15:58

【吴恩达深度学习笔记-改善深层神经网络】——第一周深度学习的实用层面（1.3）

【吴恩达深度学习笔记-改善深层神经网络】——第一周深度学习的实用层面（1.3）1.3机器学习基础训练神经网络的基本方法：初识模型训练完成后，要看下算法的偏差高不高，如果较高，就试着评估训练集或训练数据的性能

醪糟小丸子·2022-11-01 23:04

吴恩达深度学习课程笔记（2）

（一）对于神经网络的初识可以以logistic回归作为例子，基本的logistic网络可以如下图所示：其中x1，x2，x3可以是各种特征，最后得到预测值a。但是面对复杂问题，一层的网络预测的结果往往是不够的，这就需要多个类似这样的模型叠加，如下图所示：可以将第一层预测的结果输入第二层再次运算，例如第一层可能根据疾病的不同特征预测了疾病的分类、疾病的传染性、疾病是细菌还是病毒导致的，再经过第二层来预

啥都不会的初学者·2022-11-01 23:04

python第三周答案_TensorFlow入门（吴恩达深度学习课程2第3周作业）

'''利用Tensorflow框架来实现一个神经网络'''importnumpyasnpimporth5pyimportmatplotlib.pyplotaspltimporttensorflowastffromtensorflow.python.frameworkimportopsimporttf_utilsimporttimenp.random.seed(1)'''对于tensorflow的代

张天壹·2022-10-30 14:21

吴恩达深度学习课程第二课笔记 — 改善深层神经网络（1）

感觉第二课难度提升了，课程看一遍都没太懂，很多原理都比较模糊，需要多查找资料进行补充。这里记录第一周：深度学习的实践层面。1.1训练，验证，测试集（1）在配置训练、验证和测试数据集的过程中做出正确决策会在很大程度上帮助大家创建高效的神经网络。训练神经网络时，我们需要做出很多决策，例如：神经网络分多少层每层含有多少个隐藏单元学习速率是多少各层采用哪些激活函数（2）在机器学习中，我们通常将样本分成训练

ascii01tyy·2022-10-25 20:00

推荐频道

吴恩达深度学习