吴恩达-深度学习笔记第4页

吴恩达最新短课，知识很硬核，附中英字幕

机器学习算法与Python实战·2024-01-03 07:22

卷？中学生开始学习人工智能和大模型，附课件！

课程简介这个experience-ai课程是GooleDeepMind团队和RaspberryPi基金会合作开发的，最大特点是，没有难懂的理论，完全面向0基础人群（初中生），LLM部分比吴恩达近期放出的

机器学习算法与Python实战·2024-01-03 07:51

动手深度学习笔记（四十八）8.4. 循环神经网络

动手深度学习笔记（四十八）8.4.循环神经网络8.4.循环神经网络8.4.1.无隐状态的神经网络8.4.2.有隐状态的循环神经网络8.4.3.基于循环神经网络的字符级语言模型8.4.4.困惑度（Perplexity

落花逐流水·2024-01-02 13:54

动手深度学习笔记（四十九）8.5. 循环神经网络的从零开始实现

动手深度学习笔记（四十九）8.5.循环神经网络的从零开始实现8.5.循环神经网络的从零开始实现8.5.1.独热编码8.5.2.初始化模型参数8.5.3.循环神经网络模型8.5.4.预测8.5.循环神经网络的从零开始实现本节将根据

落花逐流水·2024-01-02 13:23

oracle buffer block,8 Oracle深度学习笔记——BUFFER CACHE深入一

8.Oracle深度学习笔记——BUFFERCACHE深入一最近项目一直和ORACLE死磕，感觉总是找不到出口，只能多看书少说话了。先记录多少是多少吧！

赵轩昂·2024-01-02 02:04

【OpenAI出品】ChatGPT表现不好？很有可能是你的prompt没有写好

最近，AI大佬吴恩达联合OpenAI发布视频，手把手教你怎样如何写好prompt，这篇文章将对视频中的关键信息进行总结，如果你发现你的LLM不work，希望这篇文章可以对你有所帮助。原版视频：

汀、人工智能·2024-01-01 22:07

LLM 系列 | 04：ChatGPT Prompt编写指南

5月初吴恩达老师与OpenAI合作推出的《ChatGPTPromptEngineeringforDevelopers》课程，以指

JasonLiu1919·2024-01-01 22:06

关于深度学习下的神经网络总结

然后，针对这些疑问，开始学习台湾老师李宏毅的视频、吴恩达的视频或者国内知名学者的一些视频，接着寻找一系列学习资源，最后，开始怀疑自己，到底在学习什么。以上出现的情景，正是本人遇到的。

Algorithm_Engineer_·2024-01-01 18:47

【深度学习笔记】4.前馈神经网络

前馈神经网络发展历程神经元（M-P）神经元是1943年由两名科学家首次提出的神经元模型。在M-P模型中，神经元接受其他n个神经元的输入信号(0或1)，这些输入信号经过权重加权并求和，将求和结果与阈值(threshold)θ比较，然后经过激活函数处理，得到神经元的输出。y=∑i=1nωijxi+θy=\sum^n_{i=1}\omega_{ij}x_i+\thetay=i=1∑nωijxi+θM-P

不休的turkeymz·2024-01-01 07:49

2019-08-12

我知道，我现在应该马上敲代码，又不然看下吴恩达的视频也好。但是很烦躁，真的越急躁越不想动。

你是你或是你·2024-01-01 06:42

【吴恩达deeplearning】第一门课 - 第二周 - 神经网络的编程基础（笔记+习题+编程作业）

第一门课-神经网络和深度学习（第二周-神经网络的编程基础）2.1二分类（BinaryClassification）二分类中的逻辑回归2.2逻辑回归（LogisticRegression）2.3逻辑回归的代价函数损失函数（误差函数）代价函数（成本函数）2.4梯度下降法2.8使用计算图求导数2.9逻辑回归中的梯度下降单个样本实例m个样本的梯度下降2.11向量化2.14向量化逻辑回归代码流程（非向量化）

卷卷0v0·2024-01-01 02:45

【吴恩达deeplearning】第一门课 - 第一周 - 深度学习引言（笔记+习题）

第一门课-神经网络和深度学习（第一周-深度学习引言）1.2什么是神经网络1.3神经网络的监督学习【概念习题】1.2什么是神经网络在预测房屋价格时，除了房屋的面积，其他的特征例如卧室的数量也会影响房屋的价格。邮政编码或许能作为一个特征，反映步行化程度，也可能体现出附近学校的水平有多好。在图上每一个画的小圆圈都可以是ReLU的一部分，或者其它非线性的函数。基于房屋面积和卧室数量，可以估算家庭人口；基于

卷卷0v0·2024-01-01 02:15

全网最全深度学习案例整理汇总

深度学习-DeepLearning-DL、自然语言处理NLMachine-Learning数学基础矩阵微积分机器学习的数学基础CS229线性代数与概率论基础机器学习基础快速入门机器学习算法地图机器学习吴恩达

xiaoshun007～·2024-01-01 00:07

一文搞懂Transformers—01（Transformers机制）

（本文参考资料来自邱锡鹏老师和吴恩达老师）Transformer结构编码器encoder当输入feed之后，将每一个词映射到一个向量上面（高维到低维称之为嵌入e

今天不要熬夜·2024-01-01 00:29

第一门课神经网络和深度学习

以下是吴恩达老师的原话：深度学习改变了传统互联网业务，例如如网络搜索和广告。但是深度学习同时也使得许多新产品和企业以很多方式帮助人们，从获得更好的健康

彳亍cium·2023-12-28 17:18

2020-12-07 吴恩达-神经网络与深度学习-第三周编程练习

Github地址：https://github.com/Poissons/wuenda-Deep-Learning-And-Neural-Network-third-week-excercise.git

Vivivivi安·2023-12-28 14:59

sheng的学习笔记-卷积神经网络

源自吴恩达的深度学习课程，仅用于笔记，便于自行复习导论1）什么是卷积神经网络卷积神经网络，也就是convolutionalneuralnetworks（简称CNN），使用卷积算法的神经网络，常用于计算机视觉等领域

coldstarry·2023-12-28 14:28

文心版吴恩达课程：语义核心（Semantic Kernel）插件的商业应用

文心版吴恩达课程：语义核心（SemanticKernel）插件的商业应用SemanticKernelisanSDKthatintegratesLargeLanguageModels(LLMs)likeOpenAI

skywalk8163·2023-12-28 10:52

吴恩达深度学习笔记（2）-什么是神经网络（Neural Network）

什么是神经网络？(WhatisaNeuralNetwork)我们常常用深度学习这个术语来指训练神经网络的过程。有时它指的是特别大规模的神经网络训练。那么神经网络究竟是什么呢？在这个视频中，会讲解一些直观的基础知识。首先，让我们从一个房价预测的例子开始讲起。假设你有一个数据集，它包含了六栋房子的信息。所以，你知道房屋的面积是多少平方英尺或者平方米，并且知道房屋价格。这时，你想要拟合一个根据房屋面积预

极客Array·2023-12-27 20:02

python实现knn算法案例_python机器学习——KNN算法简单入门（真的很简单！）

起初我也是这样的，各种看别人的博客，吴恩达的课程也死磕，但效果不佳。

weixin_39892481·2023-12-27 03:18

2020-12-03 吴恩达-神经网络与深度学习-第二周编程练习

最近听吴恩达老师的课，写课后作业Github地址：https://github.com/Poissons/wuenda-Deep-Learning-And-Neural-Network-second-week-excercise

Vivivivi安·2023-12-27 02:01

sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第三周测验

课程4_第3周_测验题目录第一题1.现在你要构建一个能够识别三个对象并定位位置的算法，这些对象分别是：行人（c=1），汽车（c=2），摩托车（c=3）。下图中的标签哪个是正确的？注：y=[pc,bx,by,bh,bw,c1,c2,c3]y=[p_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3]y=[pc,bx,by,bh,bw,c1,c2,c3]A.【】y=[1,0.3,0.7,0.

coldstarry·2023-12-27 01:13

sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第二周测验

课程4_第2周_测验题目录第一题1.在典型的卷积神经网络中，随着网络的深度增加，你能看到的现象是？A.【】nHn_HnH和nWn_WnW增加，同时nCn_CnC减少B.【】nHn_HnH和nWn_WnW减少，同时nCn_CnC也减少C.【】nHn_HnH和nWn_WnW增加，同时nCn_CnC也增加D.【】nHn_HnH和nWn_WnW减少，同时nCn_CnC增加答案：D.【√】nHn_H

coldstarry·2023-12-27 01:12

sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第一周测验

课程4_第1周_测验题目录第一题1.你认为把下面这个过滤器应用到灰度图像会怎么样？[01−1013−3−113−3−101−10]\begin{bmatrix}0&1&-1&0\\1&3&-3&-1\\1&3&-3&-1\\0&1&-1&0\end{bmatrix}01101331−1−3−3−10−1−10A.【】会检测45度边缘B.【】会检测垂直边缘C.【】会检测水平边缘D.【】会检测

coldstarry·2023-12-27 01:42

sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第四周测验

课程4_第4周_测验题目录第一题1.面部验证只需要将新图片与1个人的面部进行比较，而面部识别则需要将新图片与K个人的面部进行比较。A.【】正确B.【】错误答案：A.【√】正确第二题2.在人脸验证中函数d(img1,img2)起什么作用？A.【】只需要给出一个人的图片就可以让网络认识这个人B.【】为了解决一次学习的问题C.【】这可以让我们使用softmax函数来学习预测一个人的身份，在这个

coldstarry·2023-12-27 01:42

批量归一化(Batch normalization)

动手学深度学习笔记-批量归一化Batchnormalization什么是批量归一化?为什么需要批量归一化？批量归一化如何起作用？总结与注意事项什么是批量归一化?

安静的钢琴·2023-12-26 11:28

神经网络和深度学习(吴恩达) 第二周课程提炼

本系列笔记旨在记录自己的学习过程，能够及时回顾整理学过的东西，有助于加深理解和记忆，方便今后回看。学这个课程的同时，也在看《机器学习》(周志华)，所以会将书和视频的内容结合来看，综合学习。本篇主要是第二周课程中讲到的：二分分类、Logistic回归、损失函数、梯度下降、向量化。二分分类：简单理解就是输出的结果是两个离散的值，就像课程中举的例子：通过输入一张图片的信息，经过一系列的计算，输出一个离散

北冥丶有鱼·2023-12-25 19:24

做完这些_成为机器学习方面的专家

概率论这三大件不多说,基础中的基础.2.对于编程工具,b站上500集的python教程---python面向对象编程五部曲(从零到就业).3.对于机器学习的理论板块,推荐b站up主---啥都会一点的研究生,里面有一个吴恩达最新版的教学视频

DARRENANJIAN·2023-12-23 19:13

paddlepaddle深度学习笔记（二）使用飞桨重写房价预测任务

在之前的章节中，学习了使用Python和NumPy实现波士顿房价预测任务的方法，本章将尝试使用飞桨重写房价预测任务，体会二者的异同。在数据处理之前，需要先加载飞桨框架的相关类库。paddlepaddle飞浆官网CPU版的PaddlePaddlepipinstallpaddlepaddle==2.4.2-ihttps://pypi.tuna.tsinghua.edu.cn/simpleGPU版的Pa

PEACE_小石头·2023-12-23 16:54

吴恩达RLHF课程笔记

1.创建偏好数据集一个prompt输入到LLM后可以有多个回答，对每个回答选择偏好比如{prompt,answer1,answer2,prefer1}2.根据这个数据集（偏好数据集），创建rewardmodel，这个model也是一个LLM,并且它是回归模型，返回的是对每个answer的score，loss是最大化winningcandidate和losingcandidate的score。训练结

鱼鱼9901·2023-12-23 14:56

ML学习安排和资源链接

第一阶段：学习前置数学知识机器学习的数学基础_二进制人工智能的博客-CSDN博客第二阶段：认知机器学习吴恩达机器学习【2022中文版教程全集】_哔哩哔哩_bilibili视频5h，看了一点发现后面没字幕了

Nice night·2023-12-23 13:55

吴恩达深度学习笔记(28)-网络训练验证测试数据集的组成介绍

从今天开始我们进入新的一个大方向了，改善深层神经网络：超参数调试、正则化以及优化，首先进入深度学习的一个新层面，先认识下在深度学习中的数据集的分类。之前可能大家已经了解了神经网络的组成的几个部分，那么我们将继续学习如何有效运作神经网络，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。训练，验证，测试集（Train/Dev/Testsets）在

极客Array·2023-12-21 06:18

吴恩达深度学习-序列模型 3.10触发字监测 + 课程总结

今天学习的是触发字检测，这个说起来可能有点学术，但是简单来说就是。hey,siri!然后你的手机就会亮起来，这就是触发字检测。首先，关于触发字检测还处于发展阶段，并没有一个以绝对优势取胜的算法。如果我们想建立一个算法，那么我们首先要知道数据集如何进行标记，如果从简单的结果来想，我们可以在每次完成一次触发字之后的那个时间设置为1，其他时间设置为0。但这样做是有一些问题的，因为大部分时间是不会触发的，

prophet__·2023-12-20 12:21

fast.ai 深度学习笔记：第一部分第二课

原文：DeepLearning2:Part1Lesson2作者：HiromiSuenaga论坛笔记本回顾上一课[01:02]我们使用3行代码来构建图像分类器。为了训练模型，需要在PATH下以某种方式组织数据（在本例中为data/dogscats/）：image应该有train文件夹和valid文件夹，并且在每个文件夹下都有带有分类标签的文件夹（例如本例中的cats），其中包含相应的图像。训练输出：

布客飞龙·2023-12-20 00:31

动手学深度学习笔记（二）

1.线性回归简化模型房价预测的模型可以理解为用一些能够表示房子特点的因素如卧室个数、卫生间个数、面积等nnn个属性组成的特征向量：x=[x1x2⋮xn]\mathbf{x}=\left[\begin{matrix}x_1\\x_2\\\vdots\\x_n\end{matrix}\right]x=⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤房价的预测是这些属性的加权和：y=w1x1+w2x2+⋯+wnxn+

上官永石·2023-12-19 18:31

机器学习资料整理

ML&DLBookThefastaideeplearninglibrary入门导师，带我走进了机器学习的世界Coursera-ML-AndrewNg-Notes吴恩达老师的机器学习课程个人笔记,"小时候

FMsunyh·2023-12-19 06:52

深度学习笔记_6经典预训练网络LeNet-18解决FashionMNIST数据集

1、调用模型库，定义参数，做数据预处理importnumpyasnpimporttorchfromtorchvision.datasetsimportFashionMNISTimporttorchvision.transformsastransformsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttor

Element_南笙·2023-12-18 20:23

深度学习笔记_7经典网络模型LSTM解决FashionMNIST分类问题

1、调用模型库，定义参数，做数据预处理importnumpyasnpimporttorchfromtorchvision.datasetsimportFashionMNISTimporttorchvision.transformsastransformsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttor

Element_南笙·2023-12-18 20:51

【机器学习】简单认识监督学习

所以我打算从0开始学习机器学习算法，根据吴恩达老

釉色清风·2023-12-18 10:21

LLM tip

openaiembedding+openai3.5turbo快速搭建一个本地知识问答系统，视频也尝试了本地模型进行embedding，效果比较差视频附上相关的ipynb的代码代码链接微软AutoGen链接吴恩达

summermoonlight·2023-12-18 07:28

progressive random convolutions for single domain generalization论文阅读过程

采用的是吴恩达老师的论文阅读方法。

目标是分享一切·2023-12-18 06:59

如何开发一个prompt?prompt的使用有哪些原则？

提示词迭代开发写提示词时，第一次尝试是值得的，反复完善提示，获得越来越接近你想要的结果原文来源于B站吴恩达提示工程教学公开课。

贾欣晓·2023-12-18 05:55

深度学习记录--矩阵维数

如何识别矩阵的维数如下图矩阵的行列数容易在前向和后向传播过程中弄错，故写这篇文章来提醒易错点顺便起到日后查表改错的作用本文仅作本人查询参考(摘自吴恩达深度学习笔记)

蹲家宅宅·2023-12-17 11:02

吴恩达《机器学习》11-3-11-5:类偏斜的误差度量、查准率和查全率之间的权衡、机器学习的数据

一、类偏斜的误差度量误差度量的关键性之前的课程中已经提到了误差分析和设定误差度量值的重要性。评估学习算法并衡量其表现需要使用一个实数，这就是误差度量值。然而，在某些情况下，特别是当处理偏斜类时，选择正确的误差度量值可能会对算法的性能产生微妙但重要的影响。偏斜类的问题偏斜类的情况发生在训练集中某一类实例数量非常多，而其他类的实例数量很少或没有的情况下。举例来说，如果希望用算法来预测肿瘤是否是恶性的，

不吃花椒的兔酱·2023-12-16 12:01

吴恩达《机器学习》12-2-12-3:大边界的直观理解、大边界分类背后的数学

一、大边界的直观理解1.大间距分类器的背景支持向量机的大间距分类器着眼于构建一个能够在正负样本之间划定最大间距的决策边界。为了理解这一点，首先观察支持向量机的代价函数，其中涉及到正负样本的代价函数cos1()和cos0()。对于正样本（=1），我们希望^的值大于等于1，而对于负样本（=0），希望^的值小于等于-1。这要求决策边界不仅能够正确分离样本，还需要具备足够的“安全间距”。2.支持向量机的大