吴恩达深度学习

Python吴恩达深度学习作业17 -- 深度学习与艺术 - 神经风格迁移(NST)

深度学习与艺术-神经风格迁移在本次作业中，你将学习神经风格迁移。该算法由Gatys等人在2015年创建(https://arxiv.org/abs/1508.06576%E3%80%82))。在此作业中，你将：实现神经风格迁移算法使用算法生成新颖的艺术图像目前你研究的大多数算法都会优化损失函数以获得一组参数值。而在神经样式转换中，你将学习优化损失函数以获得像素值！importosimportsys
Puzzle harvester·2022-07-27 07:16

吴恩达深度学习学习笔记

吴恩达教授的课可以在1.Coursera（可以申请旁听免费）2.DeepLearningAI（中国）3.B站4.网易云课堂（官方）几个平台上面观看。由于看视频后面可能会忘，可以翻看笔记快速回忆，免去来回看视频找知识点的痛楚。笔记链接配套练习：github:https://github.com/robbertliu/deeplearning.ai-andrewNGgitee:https://gite
ShannonPaul·2022-07-22 07:22

Python吴恩达深度学习作业13 --Keras教程

Keras教程在此作业中，你将：学习使用Keras，这是一种高级神经网络API（编程框架），采用Python编写，并且能够在包括TensorFlow和CNTK在内的几个较低级框架之上运行。了解任何在几个小时内构建深度学习算法。我们为什么要使用Keras？开发Keras的目的是使深度学习工程师能够快速构建和实验不同的模型。正如TensorFlow是一个比Python跟高级的框架一样，Keras是一个
Puzzle harvester·2022-07-22 07:49

Python吴恩达深度学习作业14 -- 残差网络 Residual Networks

残差网络你将学习如何使用残差网络（ResNets）构建非常深的卷积网络。理论上讲，更深的网络可以表现更复杂的特征。但实际上，他们很难训练。引入的残差网络使你可以训练比以前实际可行的深层网络。在此作业中，你将：实现ResNets的基本构建块。将这些模块放在一起，以实现和训练用于图像分类的最新神经网络。这项作业将使用Keras完成。importnumpyasnpimporttensorflowastf
Puzzle harvester·2022-07-22 07:49

Python吴恩达深度学习作业12 -- 卷积神经网络的应用

卷积神经网络的应用在此笔记本中，你将：实现模型构造所需的辅助函数使用TensorFlow实现功能全面的ConvNet完成此作业后，你将能够：用TensorFlow构建和训练ConvNet解决分类问题1TensorFlow模型在上一项作业中，你使用numpy构建了辅助函数，以了解卷积神经网络背后的机制。实际上现在大多数深度学习的应用都是使用编程框架构建的，框架具有许多内置函数，你可以轻松地调用它们。
Puzzle harvester·2022-07-22 07:18

Python吴恩达深度学习作业15 -- YOLO原理及应用（自动驾驶——汽车检测）

自动驾驶-车辆识别本次作业你将学习使用YOLO模型用于目标检测。YOLO的两篇论文涵盖了此笔记本中的许多内容：Redmonetal.,2016(https://arxiv.org/abs/1506.02640)以及RedmonandFarhadi,2016(https://arxiv.org/abs/1612.08242).你将学会：在车辆识别数据集上使用目标检测处理边界框importargpar
Puzzle harvester·2022-07-22 07:11

吴恩达深度学习第二课第一周知识总结

吴恩达深度学习第二课知识总结（一）仅供自己记录整理1.1训练，验证，测试1.2偏差，方差偏差：欠拟合训练集错误率50%，验证集错误率50%方差：过拟合训练集错误率1%，验证集错误率50%1.3机器学习基础训练神经网络的方法
yeeanna·2022-07-13 07:45

吴恩达深度学习第一周学习

文章目录深度学习概论1.关于深度学习2.什么是神经网络3.用神经网络进行监督学习3.1神经网络应用实例3.2结构化数据和非结构化数据深度学习概论1.关于深度学习深度学习是一种机器学习方法，他改变了传统互联网业务，也便利了人们的生活。深度学习指的是训练神经网络。深度学习允许我们训练人工智能来预测输出，给定一组输入(指传入或传出计算机的信息)，通过深度学习来训练模型以预测输出。为什么深度学习会崛起呢？
旋转卡题·2022-07-13 07:14

吴恩达深度学习——个人笔记总结（第二课第一周）

本文是记录在学习吴恩达老师深度学习的课程中，自己对其中一些知识的理解和相关推导，如有错误希望各位前辈指教。1.9Normalizingtrainingsets在视频中出现了归一化的方法：（注意：该归一化方法是将原始数据转化为均值为0，方差为1的分布）第一步：零均值化（中间坐标显示）第二部：单位方差（最右坐标显示）对于其中为什么极其疑惑，搜索了很多网站，发现公式应为。为什么能够将方差变为1？1.11
竹_猗·2022-07-13 07:34

吴恩达深度学习第一章第三周编程作业

文章目录一、题目描述二、编程步骤1.引入库2.训练数据准备2.逻辑回归完成二分类3.构建隐藏层数量为1的神经网络3.1公式推导3.2初始化3.3激活函数3.4正向传播3.5反向传播3.6计算loss3.7预测函数3.8主控函数4运行总结一、题目描述二、编程步骤1.引入库  这次编程作业涉及到的库与上次作业基本相同，主要是numpy和matplotlib。2.训练数据准备  我们可以根据numpy库
麻衣带我去上学·2022-07-13 07:32

吴恩达深度学习第一章第二周编程作业

文章目录前言一、题目描述。二、相关库三、编程步骤1.数据预处理2.模型的封装3.模型的调用4.结果展示总结前言  本人处于初学阶段，编程能力有限，代码的编写参考了网上的大神。一、题目描述。  我们需要训练得到一个逻辑回归分类器来对图片进行二分类（是猫和不是猫），通过正向传播和反向传播来对参数进行优化。官方网站给出的题目形式是填空编程，这里我将给出完整的代码，可能和官网上的有些出入，但是大致相同。二
麻衣带我去上学·2022-07-13 07:02

注意力机制(Attention Mechanism)

对注意力机制的理解也是算法面试经常提及的一道基础面试题，在这篇博文里我们汇总吴恩达深度学习视频序列模型3.7和3.8以及台大李宏毅教授对AttenionMechanism以及相关参考文献对注意力机制给出详细的介绍的解释
从流域到海域·2022-07-10 13:54

【研究生工作周报】（第三周）

学习目标：吴恩达深度学习课程《神经网络与深度学习》浅层神经网络深层神经网络机器学习十大算法线性回归逻辑回归决策树SVM朴素贝叶斯K最近邻算法K均值算法随机森林算法降维算法GradientBoost和Adaboost
wangyunpeng33·2022-06-27 07:41

研究生周报（第七周）

研究生周报（第七周）学习目标吴恩达深度学习课程正则化梯度检验归一化处理多种梯度下降算法学习时间6.19～6.25学习产出Python代码github记录正则化L2正则化用于避免过拟合minw,bJ(w,
mappler·2022-06-27 07:15

吴恩达深度学习课程第二章第二周编程作业

文章目录声明一、任务描述二、编程实现1.使用的数据2.mini-batch处理数据集3.mini-batch梯度下降法4.momentum梯度下降方法5.Adam优化算法6.主控模型7.测试结果7.1未使用mini-batch的梯度下降法7.2使用mini-batch的梯度下降法7.3momentum梯度下降法7.4Adam优化算法总结声明  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
麻衣带我去上学·2022-06-25 20:38

吴军北京来信：人工智能应该变成通识教育，区块链不是炒概念

大数据文摘作品作者：魏子敏、龙牧雪就像今天在每一所理工院校的图书馆，都能找到几台正在播放吴恩达深度学习课程的电脑，10年前，在每一栋理工院校的宿舍楼里，都能看到几本被放在枕边的《数学之美》。
BigDataDigest·2022-06-23 14:11

Python吴恩达深度学习作业9 -- 梯度下降的优化

优化算法到目前为止，你一直使用梯度下降来更新参数并使损失降至最低。在本笔记本中，你将学习更多高级的优化方法，以加快学习速度，甚至可以使你的损失函数的获得更低的最终值。一个好的优化算法可以使需要训练几天的网络，训练仅仅几个小时就能获得良好的结果。梯度下降好比在损失函数JJJ上“下坡”。就像下图：损失最小化好比在丘陵景观中寻找最低点在训练的每个步骤中，你都按照一定的方向更新参数，以尝试到达最低点。符号
Puzzle harvester·2022-06-08 07:17

Python吴恩达深度学习作业5 -深度神经网络的应用（猫分类器）

深度神经网络应用–图像分类你将使用在上一个作业中实现的函数来构建深层网络，并将其应用于分类cat图像和非cat图像。希望你会看到相对于先前的逻辑回归实现的分类，准确性有所提高。完成此任务后，你将能够：建立深度神经网络并将其应用于监督学习。1安装包让我们首先导入在作业过程中需要的所有软件包。numpy是Python科学计算的基本包。matplotlib是在Python中常用的绘制图形的库。h5py是
Puzzle harvester·2022-05-31 07:24

三元组损失（Triplet loss）

来源：Coursera吴恩达深度学习课程在人脸识别中，我们希望学习“输入两张人脸图片，然后输出相似度”的函数d，然后Siamese网络（Siamesenetwork）实现了这个功能。
双木的木·2022-05-27 07:34

山东大学项目实训十一——吴恩达深度学习笔记

笔记已免费上传https://download.csdn.net/download/fangjiayou/85431944为什么使用深层表示？（Whydeeprepresentations?）我们都知道深度神经网络能解决好多问题，其实并不需要很大的神经网络，但是得有深度，得有比较多的隐藏层，这是为什么呢？我们一起来看几个例子来帮助理解，为什么深度神经网络会很好用。首先，深度网络在计算什么？首先，深
fangjiayou·2022-05-23 07:54

Python吴恩达深度学习作业3 - 1层隐藏层的神经网络

用1层隐藏层的神经网络分类二维数据现在是时候建立你的第一个神经网络了，它将具有一层隐藏层。你将看到此模型与你使用逻辑回归实现的模型之间的巨大差异。你将学到如何：实现具有单个隐藏层的2分类神经网络使用具有非线性激活函数的神经元，例如tanh计算交叉熵损失实现前向和后向传播1-安装包让我们首先导入在作业过程中需要的所有软件包。numpy是Python科学计算的基本包。sklearn提供了用于数据挖掘和
Puzzle harvester·2022-05-22 07:27

吴恩达深度学习课程-Course 4 卷积神经网络 第一周 卷积神经网络编程作业（第一部分）

时隔三个月终于有时间更新了…在ppt的夹缝中练习。期待圣诞节！！！卷积神经网络：StepbyStep1-导入相关包2-作业大纲3-卷积神经网络3.1-零填充3.2-单步卷积3.3-卷积神经网络-前向传播4-池化层(PoolingLayer)4.1-前向池化5-卷积神经网络的反向传播(可选)5.1-卷积层反向传播5.1.1计算dA5.1.2计算dW5.1.3计算db5.2-池化层反向传播5.2.1最
Lucy@IshtarXu·2022-05-13 07:31

吴恩达深度学习笔记

吴恩达深度学习笔记P3用神经网络进行监督学习P4深度学习的兴起P7二分分类P8logistic回归P10梯度下降法P14使用计算图求导P16批量梯度下降P17向量化P21广播机制P22关于numpyP24logistics
w_thout·2022-04-27 07:13

吴恩达深度学习学习笔记——C5W2——自然语言处理与词嵌入——作业1——词向量的操作

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master/assignments/C5W2作业完整截图，参考本文结尾：作业完整截图。Operationsonwordvectors（词向量的操作）Welcometoyourfirstassignmento
预见未来to50·2022-04-23 07:36

【吴恩达深度学习】05_week2_quiz Natural Language Processing & Word Embeddings

(1)Supposeyoulearnawordembeddingforavocabularyof10000words.Thentheembeddingvectorsshouldbe10000dimensional,soastocapturethefullrangeofvariationandmeaninginthosewords.[A]True[B]False答案：B解析：注意和one-hot的区
深海里的鱼(・ω<)★·2022-04-16 11:37

【深度学习】吴恩达深度学习-Course2改善深层神经网络：超参数调试、正则化以及优化-第二周优化算法编程

视频链接：【中英字幕】吴恩达深度学习课程第二课—改善深层神经网络：超参数调试、正则化以及优化参考链接：【中文】【吴恩达课后编程作业】Course2-改善深层神经网络-第二周作业Optimizationmethods
passer__jw767·2022-03-22 17:43

【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第四周深度神经网络的关键概念编程（上）——一步步建立深度神经网络

勘误：2021年12月10日12:46:21：纠正了三、反向传播模块中线性反向传播的问题。db不应该断言其为一个实数，只要其保持与b.shape相同的维度就好了，也不需要对其进行降维，否则对后边实战会有影响。总代码也已经更新。2022年1月30日09:25:43：初始化L层神经网络(第三大点的第1续爱短板的1.2有误。我写错了bi的初始化。没使用0来初始化。且在初始化W时候的方式使用了"Heini
passer__jw767·2022-03-22 17:42

【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第三周浅层神经网络编程

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学习链接：【中文】【吴恩达课后编程作业】Course1-神经网络和深度学习-第三周作业Planardataclassificationwithonehiddenlayerplt.scatter
passer__jw767·2022-03-22 17:42

【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编程

2021年11月26日10:48:12更新1：纠正了文章中的内容改正了有问题的代码完整的更新及其思想见Course1-第二周编程错误点更新与思考.pdf（免费下载），欢迎指正！以下为文章内容学习链接：[【中文】【吴恩达课后编程作业】Course1-神经网络和深度学习-第二周作业](https://blog.csdn.net/u013733326/article/details/79639509)文
passer__jw767·2022-03-22 17:42

吴恩达深度学习L4W4人脸识别

1、One-shotlearning人脸识别往往每个人只有一张照片，因此不应该用卷积神经网络配合softmax训练。应该选择学习Similarity函数。详细地说，你想要神经网络学习这样一个用表示的函数，(1,2)=，它以两张图片作为输入，然后输出这两张图片的差异值。所以在识别过程中，如果这两张图片的差异值小于某个阈值（它是一个超参数），那么这时就能预测这两张图片是同一个人，如果差异值大于，就能预
HITSZ阿星·2022-03-22 17:10

吴恩达深度学习L4W3目标检测

目录1、目标定位2、特征点检测3、目标检测4、IoU（Intersectionoverunion）5、非极大值抑制（Non-maxsuppression）6、AnchorBoxes7、语义分割（SemanticSegmentation）8、转置卷积(transposedconvolution)或反卷积(deconvolution)9、上采样和下采样上采样1、目标定位图片分类—>目标定位—>目标检测
HITSZ阿星·2022-03-22 17:40

“吴恩达深度学习”第二周编程代码汇总（复现猫咪识别神经网络）

前言这篇博客主要记录"吴恩达depplearning系列课程"第二周编程作业代码+自己的补充理解的相关内容，以作为学习记录。学习过程中借鉴了各位大佬的代码，想要追根溯源的朋友可以看这几位大佬的博客：大树先生的博客(英文版)，何宽（中文版）作为初学者，本文的代码是自己当前能做到的”终极满意缝合怪“，同时部分原搬的代码也加了很多注释，便于理解。目录编程练习环境：Pycharm2017.1/python
KQ.·2022-03-22 17:07

“吴恩达深度学习”第三周编程代码汇总（实现一个神经网络）

前言这篇博客主要记录"吴恩达depplearning系列课程"第三周编程作业代码+自己的补充理解的相关内容，以作为学习记录。学习过程中借鉴了各位大佬的代码，想要追根溯源的朋友可以看这几位大佬的博客：大树先生的博客(英文版)，何宽（中文版）作为初学者，本文的代码是自己当前能做到的”终极满意缝合怪“，同时部分原搬的代码也加了很多注释，便于理解。目录编程练习环境：Pycharm2017.1/python
KQ.·2022-03-22 17:07

吴恩达深度学习课程-Course 2 改善深层神经网络 第三周 TensorFlow入门编程作业

虽然申请书的ddl临近，但还是先写写编程作业…编程作业的代码用的是tf1，而我的环境为tf2，所以TensorFlow入门TensorFlow教程1-探索Tensorflow库1.1-线性函数1.2-计算Sigmoid函数1.3-计算成本(Cost)1.4-使用OneHot编码1.5-用0和1初始化2-用Tensorflow构建你的第一个神经网络2.0-问题声明:SIGNS数据集2.1-创建占位符
Lucy@IshtarXu·2022-03-22 17:37

吴恩达深度学习第二课第二周作业及学习心得体会——minibatch、动量梯度下降、adam

概述学习课程后，在L2正则化代码的基础上完成该周作业，现将心得体会记录如下。Mini-batch梯度下降概念对m个训练样本，每次采用t（1
袁野_0073·2022-03-19 08:15

【吴恩达深度学习】03_week2_quiz Autonomous driving (case study)

(1)Tohelpyoupracticestrategiesformachinelearning,inthisweekwe’llpresentanotherscenarioandaskhowyouwouldact.Wethinkthis“simulator”ofworkinginamachinelearningprojectwillgiveataskofwhatleadingamachinelea
一个人，一座城，等一个人·2022-03-08 10:09

吴恩达深度学习笔记(83)-LeNet-5、AlexNet和VGGNet网络知多少

https://www.toutiao.com/a6646734819151577608/2019-01-2207:12:38经典网络（Classicnetworks）这节课，我们来学习几个经典的神经网络结构，分别是LeNet-5、AlexNet和VGGNet。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
喜欢打酱油的老鸟·2022-02-28 07:27

吴恩达深度学习系列笔记

文章目录深度学习概论利用神经网络进行监督学习结构化数据、非结构化数据神经网络基础二分类Logistic回归逻辑回归的代价函数为什么需要代价函数损失函数梯度下降法计算图逻辑回归中的梯度下降m个样本的梯度下降向量化np.dot()构建神经网络的基本步骤浅层神经网络神经网络的表示计算一个神经网络的输出神经网络的计算多样本向量化激活函数为什么需要非线性激活函数激活函数的导数神经网络的梯度下降（Gradie
酸菜鱼_2323·2022-02-25 10:37

吴恩达深度学习笔记(54)-测试时的 Batch Norm

测试时的BatchNorm（BatchNormattesttime）Batch归一化将你的数据以mini-batch的形式逐一处理，但在测试时，你可能需要对每个样本逐一处理，我们来看一下怎样调整你的网络来做到这一点。回想一下，在训练时，这些就是用来执行Batch归一化的等式。在一个mini-batch中，你将mini-batch的z^((i))值求和，计算均值，所以这里你只把一个mini-batc
极客Array·2022-02-22 05:55

【吴恩达深度学习】01_week2_Python Basics with numpy (optional)

作业链接PythonBasicswithNumpy(optionalassignment)Welcometoyourfirstassignment.ThisexercisegivesyouabriefintroductiontoPython.Evenifyou’veusedPythonbefore,thiswillhelpfamiliarizeyouwithfunctionswe’llneed.I
一个人，一座城，等一个人·2022-02-15 19:33

吴恩达深度学习：目标检测之YOLO算法

在学习到目标检测这一课时，在完成课后编程练习，用YOLO实现目标检测时，从JupyterNotebook上下载yolo.h5，然后准备在自己本地上跑自己的图片，可是执行到load_model(‘model_data/yolo.h5’)时遇到了下面的问题（本人win10系统）：报错信息raw_code=codecs.decode(code.encode('ascii'),'base64')Unico
koreyoshi_41f9·2022-02-11 00:52

吴恩达深度学习笔记(80)-卷积神经网络示例

构建全卷积神经网络的构造模块我们已经掌握得差不多了，下面来看个例子。假设，有一张大小为32×32×3的输入图片，这是一张RGB模式的图片，你想做手写体数字识别。32×32×3的RGB图片中含有某个数字，比如7，你想识别它是从0-9这10个数字中的哪一个，我们构建一个神经网络来实现这个功能。我用的这个网络模型和经典网络LeNet-5非常相似，灵感也来源于此。LeNet-5是多年前YannLeCun创
极客Array·2022-02-10 06:16

吴恩达深度学习笔记（8）-重点-梯度下降法（Gradient Descent）

梯度下降法（GradientDescent）（重点）梯度下降法可以做什么？在你测试集上，通过最小化代价函数（成本函数）J(w,b)来训练的参数w和b，如图，在第二行给出和之前一样的逻辑回归算法的代价函数（成本函数）(上一篇文章已讲过）梯度下降法的形象化说明在这个图中，横轴表示你的空间参数w和b，在实践中，w可以是更高的维度，但是为了更好地绘图，我们定义w和b，都是单一实数，代价函数（成本函数）J(
极客Array·2022-02-08 23:47

吴恩达深度学习课程笔记（精华版）--1.网络基础和系统构建

本系列是编者学习吴恩达deeplearning.ai深度学习系列课程的笔记。编者有一定机器学习基础，也看过Andrew的机器学习课程。由于Andrew的课程非常通俗易懂，笔记中会省略那些帮助理解的例子、图形等，只把最终的观点、解释、结论和解决方案做整理，以供日后查看，另外编者也在某些地方，结合原版论文做出了一些批注和补充，所以称之为精华版。本篇是Course1+Course2+Course3，主要
Caucher·2021-12-29 21:32

【DL】搭建一个能够【识别猫】 的简单的神经网络

文章目录一、处理数据集二、构建神经网络三、使用神经网络可视化吴恩达深度学习week2-实战：搭建一个能够【识别猫】**的简单的神经网络**我们要做的事是搭建一个能够**【识别猫】**的简单的神经网络h5py
Tialyg·2021-12-06 14:50

RNN浅谈

RNN的特点RNN的损失函数RNN的反向传播RNN的缺点参考循环神经网络RNN论文解读一文搞懂RNN（循环神经网络）基础篇【重温系列】RNN循环神经网络及其梯度消失手把手公式推导+大白话讲解[双语字幕]吴恩达深度学习
椰子奶糖·2021-10-28 20:56

吴恩达深度学习L1W3——实现具有单个隐藏层的分类神经网络

文章目录一些笔记写作业获取数据测试逻辑回归能否实现该分类使用的神经网络模型定义神经网络结构初始化模型参数循环梯度下降将上述函数集成到model中通过上述模型来预测结果调整隐藏层的大小看结果aaa实现具有单个隐藏层的2分类神经网络使用具有非线性激活函数的神经元，例如tanh一些笔记在吴老师下一周的课程中有对前向传播和反向传播求导的结论，如图所示：写作业导入常用的包和老师提供的工具集importnum
每个人都是孙笑川·2021-10-10 21:39

学习+科研+做项目 深度学习最全详细资料

李宏毅2020机器学习深度学习(完整版)国语[双语字幕]吴恩达深度学习deeplearning.ai深度学习（卷积网络、循环神经网络、对抗神经网络、Tensorflow实战）更多资料请关注公众号：计算机视觉与图形学实战李宏毅
独孤九剑-风清扬·2021-09-24 23:23

吴恩达深度学习课程-Course 1 神经网络与深度学习 第四周 深层神经网络编程作业（第二部分）

文章目录第二部分用于图像分类的深度神经网络：应用1-导入相关包2-数据集3-模型的架构3.1-2层神经网络3.2-L层深度神经网络3.3-一般方法4-两层神经网络5-L层神经网络6-结果分析7-使用您自己的图像进行测试（可选/未分级练习）第二部分用于图像分类的深度神经网络：应用完成此操作后，您将完成第4周的最后一个编程作业，以及本课程的最后一个编程作业！您将使用在上一个作业中实现的函数来构建深度网
Lucy@IshtarXu·2021-09-10 15:55

吴恩达深度学习-第一课神经网络和深度学习-第2周课后编程

吴恩达深度学习，第1课，第二周的编程题的概述importnumpyasnpimportmatplotlib.pyplotaspltimporth5pyimportscipyfromPILimportImagefromscipyimportndimagefromlr_utilsimportload_dataset
龟速扣代码·2021-07-25 17:09
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他