吴恩达-深度学习笔记第16页

深度学习笔记（九）——pytorch复杂操作详解

torchvision.transforms数据预处理：ToTensor()https://blog.csdn.net/qq_43799400/article/details/127785104Pytorch中torch.nn.Conv2d和torch.nn.functional.conv2d的区别https://blog.csdn.net/Z2572862506/article/details/

千禧皓月·2023-06-11 03:05

AI一点通：李彦宏说未来50%人和提示工程打交道，吴恩达最新提示工程课程总结！

最近，吴恩达与OpenAI合作发布了面向开发者的ChatGPT提示工程课程。这个免费课程提供高质量的内容，在这里我们总结了视频课程中提到的制作有效提示的指南，以及我的个人见解有效提示的重

robot_learner·2023-06-10 18:18

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--06 Transforming

06Transforming大语言模型（LLM）很擅于将输入转换为不同格式的输出，比如翻译、拼写校正或HTML格式转化。相比于复杂的正则表达式，ChatGPT实现更加准确和高效。1)不同语种的转换下述语句实现了英文到西班牙语的翻译。prompt=f"""TranslatethefollowingEnglishtexttoSpanish:\```Hi,Iwouldliketoorderablende

Isawany·2023-06-10 18:39

吴恩达 & OpenAI 的Prompt教程笔记 - ChatGPT Prompt Engineering for Developers

文章目录第一课Introduction第二课GuidelinesforPrompting一、两个原则1、编写明确和具体的指令2、给模型足够的时间来思考二、一个局限性第三课lterativePromptDevelopment第四课Summarizing![在这里插入图片描述](https://img-blog.csdnimg.cn/da068bfbe4604eba9dcddeeaa198aa30.p

启正不歪·2023-06-10 11:25

学习笔记：吴恩达ChatGPT提示工程

以下为个人笔记，原课程网址ShortCourses|LearnGenerativeAIfromDeepLearning.AI01Introduction1.1基础LLM输入从前有一只独角兽，输出它和其他独角兽朋友一起住在森林里输入法国的首都在哪？输出法国的首都在哪？法国最大的城市在哪？法国的人口是多少？之所以这样输出的原因是，基础LLM的输出基于它的训练数据，可能会产生我们不想得到的信息1.2指令

吃豆人编程·2023-06-10 03:45

阿里云推出工作学习 AI 助手“通义听悟”；谷歌发布 PaLM2；吴恩达推出了三门课

AI新闻阿里云推出工作学习AI助手“通义听悟”摘要：阿里云峰会・粤港澳大湾区上，阿里云宣布推出最新产品“通义听悟”，该产品能用于会议讨论、教学培训、调研访谈、视频观看等场景，依托大模型，可帮助用户高效完成对音视频内容的转写、检索、摘要和整理。AdobePhotoshop测试版推出“GenerativeFill”功能，用户可用AI生成扩展延伸部分摘要：AdobePhotoshop上线了一个名为“Ge

go2coding·2023-06-09 23:21

ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估2

ChatGPT使用拓展资料:吴恩达大咖BuildingSystemswiththeChatGPTAPI系统评估2运行端到端系统以回答用户查询importtimecustomer_msg=f"""tellmeaboutthesmartxprophoneandthefotosnapcamera

段智华·2023-06-09 22:05

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--03 Iterative

03Iterative本节主要通过代码来讲解如何在迭代中找到合适的prompt。对于初学者来说，第一次使用Prompt不一定得到语气的结果，开发者可以采用下述流程进行迭代优化：给出清晰、具体的指令如果结果不正确，分析原因调整prompt重复上述过程直至得到想要的结果1)示例比如你想要模型为某产品的零售网站写一段描述，给出的指令为prompt=f"""Yourtaskistohelpamarketi

Isawany·2023-06-09 03:27

目前碰到的数据集以及读取方式

1.在做吴恩达老师的课后作业时，是一个二分类的神经网络，就是判断是猫不是猫的一个功能，这个应该是老师自己做的一个数据集，在文件夹中的显示如下：以下是老师的程序中给的参考代码：defload_data()

minastinis of king·2023-06-09 03:01

GitHub-3KStar吴恩达ChatGPT课程最新中文版Prompt+ChatGPT API+LangChain——面向开发者的 LLM 入门课程开源，小白也可学

目录导言面向开发者的LLM入门课程项目简介项目意义项目受众项目亮点内容大纲一、面向开发者的PromptEngineering二、搭建基于ChatGPT的问答系统三、使用LangChain开发应用程序四、Prompt高级技巧（暂未完成）配套视频致谢参考资料其它资料下载ChatGPT已经上线快大半年了，但是很多人还没有真正掌握它的使用技巧。实际上，使用ChatGPT的难点在于如何编写Prompt（提示

小胡说人工智能·2023-06-08 22:49

ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 输出检查

ChatGPT使用拓展资料:吴恩达大咖BuildingSystemswiththeChatGPTAPI输出检查在本视频中，将重点检查系统生成的输出。

段智华·2023-06-08 21:21

ChatGPT提示词工程师 | prompt engineering | 吴恩达教你写提示词课程笔记

Lecture1引言两种大语言模型（LLMs，LargeLanguageModels）：BaseLLM：Predictsnextword,basedontexttrainingdataInstructionTunedLLM：TriestofollowinstructionsLecture2指南使用Chatgpt的两个原则：编写明确和具体的指令使用明确的分隔符（不指定）将需要概括的内容将问题分离，防

Satellite_AI·2023-06-08 19:57

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--05 Inferring

05Inferring本节主要介绍inferring（文本推理）任务，可以视为对输入文本的理解和分析任务，包含文本分类、理解情感等。1)简单的分类任务给定一段关于灯的评论lamp_review="""Neededanicelampformybedroom,andthisonehad\additionalstorageandnottoohighofapricepoint.\Gotitfast.The

Isawany·2023-06-08 17:42

深度学习笔记——神经网络（ANN）搭建过程+python代码

目录1.多维数组的运算（1）多维数组（2）矩阵乘法（3）神经网络的内积2.3层神经网络的实现（1）第一层加权和（2）输入层到第1层的信号传递（3）第1层到第2层的信号传递（4）完整代码1.多维数组的运算（1）多维数组多维数组的维数可以通过np.ndim()函数获得。此外，数组的形状可以通过实例变量shape获得。二维数组也称为矩阵，数组的横向排列称为行（row），纵向排列称为列（column）代码

长弓同学·2023-06-08 15:35

对话吴恩达：AI火得还不够，997都满足不了我

吴恩达(AndrewNg)并不觉得。这位深度学习领域的大牛，全球知名的华裔AI科学家，认为当前问题所在——不是AI太火，而是火得还不够——以致于认知、人才供需和AI普及进展，推进得很不够。

喜欢打酱油的老鸟·2023-06-08 12:52

ChatGPT提示词工程（一）：Guidelines准则

格式输出方法3：请模型检查是否满足条件方法4：Prompt中包含少量样本准则二：给模型一些思考的时间方法1：指定完成任务所需的步骤方法2：指示模型在匆忙得出结论之前制定出自己的解决方案四、模型的限制一、说明这是吴恩达

J_Xio·2023-06-08 08:47

吴恩达老师《机器学习》课后习题1之线性回归

在学习这些内容之前，需要学习python数据分析相关内容：numpy：科学计算库，处理多维数组，进行数据分析pandas：基于numpy的一种工具，该工具是为了解决数据分析任务而创建的matplotlib：python的2D绘图库matplotlib.plot：提供一个类似matlab的绘图框架见上一篇：python数据分析学习笔记之matplotlib、numpy、pandas，鄙人较菜，望多多

cx-young·2023-06-08 07:33

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--07 Expanding

07Expanding本节示例如何用ChatGPT生成一封电子邮件的回复。1)定制化情绪给定客户评论，我们根据评论内容和情绪产生定制的回复。下面是给定情感（positive/negative），让ChatGPT产生相应回复的prompt。"""YouareacustomerserviceAIassistant.Yourtaskistosendanemailreplytoavaluedcustome

Isawany·2023-06-08 04:21

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--09 Conclusion

上一篇：吴恩达ChatGPTPromptEngineeringforDevelopers系列课程笔记–08Chatbotdeeplearning.ai原课程地址课程中文翻译地

Isawany·2023-06-08 04:21

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--04 Summarizing

04Summarizing文本总结时大语言模型的最实用的应用之一。1）示例1:生成式摘要假设我们要对电商网站上的长评论进行总结，例如prod_review="""Gotthispandaplushtoyformydaughter'sbirthday,\wholovesitandtakesiteverywhere.It'ssoftand\supercute,anditsfacehasafriendl

Isawany·2023-06-08 04:51

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--08 Chatbot

08ChatbotChatGPT的一种重要功能是作为一个聊天机器人，本节将展示如何和ChatGPT进行对话1)不同的角色（Roles）前面几节的课程中，我们通过如下函数调用ChatGPT的接口，输入用户输入的prompt，返回模型生成的内容：defget_completion(prompt,model="gpt-3.5-turbo"):messages=[{"role":"user","conte

Isawany·2023-06-08 04:12

深度学习笔记之循环神经网络(三)循环神经网络思想

深度学习笔记之循环神经网络——循环神经网络思想引言回顾：潜变量自回归模型循环神经网络思想困惑度引言上一节介绍了基于统计算法的语言模型。本节将介绍基于神经网络的序列模型——循环神经网络。

静静的喝酒·2023-06-07 23:30

深度学习笔记之Seq2Seq(一)基本介绍

深度学习笔记之Seq2seq——基本介绍引言回顾：经典循环神经网络结构关于循环神经网络的更多引用Seq2seq\text{Seq2seq}Seq2seq网络结构Seq2seq\text{Seq2seq}

静静的喝酒·2023-06-07 23:23

吴恩达深度学习-神经网络基础（浅层神经网络）

第三周浅层神经网络：3.1神经网络概览3.2神经网络表示lossfunctionL(a，y)神经网络通过输入层，隐藏层和输出层。视频中激活函数指的就是sigmoid函数神经网络的表示.png3.3计算神经网络的输出其中，x表示输入特征，a表示每个神经元的输出，w表示特征的权重，上标表示神经网络的层数（隐藏层为1），下标表示该层的第几个神经元。神经网络的输出.png3.4多样本向量化3.5向量化实现

瘦长的丰一禾·2023-06-07 19:28

深度学习计算机视觉入门过程

计算机视觉入门过程(用时约为2个月）：一，理论学习1，复习了线性代数和概率论2，学习了python的numpy库和pytorch库的使用3，李飞飞cs213n课程视频4，吴恩达深度学习课程视频二.实践1

10_83ce·2023-06-07 15:16

改善深层神经网络：超参数调试、正则化以及优化笔记

吴恩达AndrewNg的视频教程“改善深层神经网络：超参数调试、正则化以及优化”，主要介绍：如何有效的运作神经网络，内容涉及超参数调优，如何构建数据，以及如何确保优化算法快速运行，从而使学习算法在合理时间内完成自我学习

weixin_30650039·2023-06-07 13:04

AI芯片的未来之战：“霸主”英伟达真就无人能挡了吗？

早在2010年，现任英伟达首席科学家BillDally有一天正与斯坦福大学的前同事、计算机科学家吴恩达共进早餐，当时吴正在与谷歌合作一个项目。

人工智能学家·2023-06-07 12:51

卷积神经网络（CNN）

听了吴恩达的网课之后，豁然开朗，终于搞明白了这个东西是什么和为什么。我这里大概会用6~7篇文章来讲解CNN并实现一些有趣的应用。看完之后大家应该可以自己动手做一些自己喜欢的事儿了。

modi000·2023-06-07 10:01

吴恩达ChatGPT课爆火：AI放弃了倒写单词，但理解了整个世界

夕小瑶·2023-06-07 04:04

【卷积神经网络】Lesson 4--人脸识别和风格转换

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12日1.人脸识别1.1什么是人脸识别人脸识别大家都不陌生，最常见的例子就是上班打卡，不再是刷卡，而是朝着屏幕刷一下脸，门就开了

王小小小草·2023-06-07 01:27

【卷积神经网络】Lesson 3--目标检测

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8日1.目标定位Objectlocalization1.1什么是目标定位明确下目标定位与检测的定义。

王小小小草·2023-06-07 01:57

吴恩达深度学习课程笔记（精华版）--2.卷积神经网络CNN和计算机视觉CV

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。

Caucher·2023-04-20 20:12

【论文阅读】吴恩达分享的论文阅读方法

Readingresearchpapers整合这个领域内比较有代表性的论文（不仅仅是论文，也可以是分享出来的blog）绘制一个资源表格，标记出自己阅读的进度，在阅读一篇论文的过程中如果发现这篇论文认可度低或者自己阅读难度很大，可以先放弃，选择另外一篇进行阅读，也有可能在阅读的过程中发现还有其他文章有助于你了解这个领域，就把它添加在表格中Reading1paper一种不好的方法就是一篇论文，从第一个

Luminous_song·2023-04-20 20:18

关于AI项目研究的近况

-01近况-从3月初到5月初，分别完成了：Coursera上面吴恩达的MachineLearning（机器学习），并且全部题目刷到了100分Coursera上面吴恩达的DeepLearningSpecialization

崔宏雷·2023-04-19 13:09

跟着李沐大神动手深度学习笔记——权重衰退

权重衰退使用均方范数作为硬性限制如下所示，其中l是我们要优化的损失函数，w和b是两个参数。w为权重，b为偏移，但这个优化函数并不常用，多使用下面的柔性限制。image-20210902210126877.png使用均方范数作为柔性限制image-20210902211206725.png以上可以通过拉格朗日乘子来证明，超参数控制了正则项的重要程度。image-20210902211415694.p

a_Janm·2023-04-19 06:12

单变量线性回归

最近在看吴恩达的机器学习，做个笔记总结总结。方便自己复习吧。主要是学习了梯度下降算法和线性回归算法。通过一个具体的例子引出的。回归问题通俗说就是学习算法通过学习训练集得到假设函数，用来预测，估计。

Demons_hacker·2023-04-18 21:24

深度学习入门路径

的表示理论推导课程）（标@的表示高质量课程）（标$的表示选学内容）基础部分1.Python基础（深度之眼课程）[5d]2.数学基础（深度之眼课程）[10d]基础课程不限于此，资源较多，可自行选择机器学习部分1.吴恩达机器学习

或跃在渊_NUE·2023-04-18 11:15

机器学习（五）——神经网络

借用吴恩达老师的一张图来理解：这是一个两层神经网络（不算第一层输入层）：其中，第一层为输入层，就是观测数据的各特征值，这里有3个特征；第二层为隐藏层（因为我们看不到它的输出）；第三层为输出层，也就是我们经过神经网络计算后得到

夏普123·2023-04-18 08:29

吴恩达深度学习第二周编程练习--识别猫的逻辑回归神经网络

吴恩达深度学习第二周编程练习--识别猫的逻辑回归神经网络【识别猫】的简单的神经网络，用python实现注：开始编程前需要下载两个.h5文件，并将它们放到和python文件统一目录下（可到我的资源里下载）

SUNNY小飞·2023-04-17 04:10

吴恩达machine-learning-ex4练习题解析之代价函数

EX4主要是针对神经网络反向传播的实战，是非常重要的一课，所以花了我两天3夜地研究这道习题，还真是值得，收获满满。跟着ex4.pdf文档的脚步一步一步来：1.首先1-3页都在表达初始化数据，和数据模型。2.到了第五页，开始摩拳擦掌，实现第一段代码：神经网络代价函数首先他给到这样的一个公式：代价函数（无lambda项）吼！不要被这个公式吓到了。先不考虑lambda项，后面再慢慢深入。第一个∑首先把∑

Wincent__·2023-04-15 14:28

1.6 Dropout 正则化-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

Dropout正则化除了L2正则化，还有一个非常实用的正则化方法——“Dropout（随机失活）”，我们来看看它的工作原理。（图1.6.1）假设你在训练上图这样的神经网络（图1.6.1），它存在过拟合，这就是dropout所要处理的，我们复制这个神经网络，dropout会遍历网络的每一层，并设置消除神经网络中节点的概率。假设网络中的每一层，每个节点都以抛硬币的方式设置概率，每个节点得以保留和消除的

ygl_9913·2023-04-14 22:34

2.3 Logistic 回归损失函数-深度学习-Stanford吴恩达教授

Logistic回归损失函数(LogisticRegressionCostFunction)在上个视频中，我们讲了逻辑回归模型，为了优化逻辑回归模型的参数和，需要定义一个代价函数（costfunction）。先来回顾一下上一节课逻辑回归的输出函数：为了让模型通过学习调整参数，你需要给予一个样本的训练集，这会让你在训练集上找到参数和，来得到你的输出。为了更详细的描述上述方程式，我们需要说明上面的定义

ygl_9913·2023-04-14 22:03

2.18 Logistic 损失函数的解释-深度学习-Stanford吴恩达教授

Logistic损失函数的解释(ExplanationofLogisticRegressionCostFunction(Optional))在前面的视频中，我们已经分析了逻辑回归的损失函数表达式，在这节选修视频中，我将给出一个简洁的证明来说明逻辑回归的损失函数为什么是这种形式。回想一下，在逻辑回归中，预测的结果，是我们熟悉的型函数，。我们约定，即当给定输入特征x的时候y=1的概率。换句话说，如果y

ygl_9913·2023-04-14 22:03

1.7 理解 Dropout-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

理解DropoutDropout可以随机删除网络中的神经单元，他为什么可以通过正则化发挥如此大的作用呢？直观上理解：不要依赖于任何一个特征，因为该单元的输入可能随时被清除，因此该单元通过这种方式传播下去，并为单元的四个输入增加一点权重，通过传播所有权重，dropout将产生收缩权重的平方范数的效果，和之前讲的正则化类似；实施dropout的结果实它会压缩权重，并完成一些预防过拟合的外层正则化；对不

ygl_9913·2023-04-14 22:54

Pytorch深度学习笔记（三）线性模型

向岸看·2023-04-14 19:01

Pytorch深度学习笔记（一）前瞻概述

目录1.人类智能Humanintelligence2.机器学习Machinelearning3.学习系统LearningSystem4.神经网络neuralnetwork课程推荐：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili1.人类智能Humanintelligence人类智能Humanintelligence：把视觉上接收到的信息转化为抽象概念的过程。如：识别“猫”的图像转

向岸看·2023-04-14 19:00

Pytorch深度学习笔记（四）梯度向下模型

向岸看·2023-04-14 19:18

学习笔记-机器学习-（10）聚类

吴恩达-机器学习课程--13:Clustering的学习总结：最常见的非监督算法：K-means算法假如想把以下训练集训练分为两簇随机选择两点，一部分点离红点更近，一部分点离蓝点更近移动两点至已分好的两类点的均值处

饼干和蛋糕·2023-04-14 08:02

吴恩达机器学习作业笔记(线性回归)

零基础知识1.DataFrame结构PandasDataFrame入门教程（图解版）DataFrame一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等pd.DataFrame(data,index,columns,dtype,copy)data可以是多种类型index和

Curse of Knowledge·2023-04-14 07:07

吴恩达机器学习作业笔记（Logistic 回归）

数据一共有三列，前两列是学生成绩，最后一列用1.0代表学生是否被录取使用分类的方法进行学习，得到一个学生被录取的概率值。零基础知识pandas读取文件importpandasaspddata=pd.read_csv('path',sep=',',header=0,names=['第一列','第二列','第三列'],encoding='utf-8')原文链接：https://blog.csdn.ne

Curse of Knowledge·2023-04-14 07:37

推荐频道

吴恩达-深度学习笔记