吴恩达-YEARNING

第十四章 无监督学习

该系列文章为，观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单，但不得不说每一句都非常的简洁扼要，浅显易懂。非常适合我这样的小白入门。
tomas家的小拨浪鼓·2023-08-07 01:24

吴恩达教授深度学习--神经风格转换算法

本文所使用的代码和测试图片已上传至百度网盘https://pan.baidu.com/s/1R-z7L95iQIDBpAF32sgWFg，提取码：b4cg。什么是神经风格迁移？假设你有一张内容图片C（Content）和一张具有独特风格S（Style）的图片，神经风格迁移可以让这两张图片结合，让原始图片具有图片S的风格。所以神经风格迁移可以解决的问题是：生成一张同时具有图片C的内容和图片S的风格的新
Y.IU.·2023-08-06 16:58

【深度学习笔记】深度学习框架

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-08-06 14:03

个人规划（研0暑假版）

下面个人计划暑假学习内容：7~8月机器学习(吴恩达+《西瓜书》+实践补充)8~9月深度学习(吴恩达+《python深度学习》+动手学习深度学习)之后每天都会通过CSDN的方式来记录每天学习情况，每周会更新一个视频至
WananRd·2023-08-06 08:07

吴恩达深度学习笔记（11）-烧脑神经网络前向传播和后向传播计算

计算图（ComputationGraph）可以说，一个神经网络的计算，都是按照前向或反向传播过程组织的。首先我们计算出一个新的网络的输出（前向过程），紧接着进行一个反向传输操作。后者我们用来计算出对应的梯度或导数。计算图解释了为什么我们用这种方式组织这些计算过程。在这篇笔记中中，我们将举一个例子说明计算图是什么。让我们举一个比逻辑回归更加简单的，或者说不那么正式的神经网络的例子。我们尝试计算函数J
极客Array·2023-08-06 07:54

机器学习基础之《特征工程（2）—特征工程介绍、特征抽取》

一、什么是特征工程机器学习领域的大神AndrewNg(吴恩达)老师说“Comingupwithfeaturesisdifficult,time-consuming,requiresexpertknowledge
csj50·2023-08-05 11:50

神经网络概述（四）

b站学习链接：传送门学习视频第8章学习目录索引：吴恩达2014课程简介知识补充神经网络算是传统的机器学习还是深度学习神经网络既可以被视为传统的机器学习方法，也可以归类为深度学习方法，具体取决于网络的结构和使用的算法
水枂·2023-08-05 11:47

第4周编程作业-Programming Exercise 3: Multi-class Classifification and Neural Networks多元分类和神经网络-机器学习-吴恩达

ex3-Multi-classClassifificationandNeuralNetworks结果Exercise3|Part1:One-vs-all多元分类Part1:LoadingandVisualizingDataex3.m中Part1%%===========Part1:LoadingandVisualizingData=============%Westarttheexerciseby
烟若清尘·2023-08-04 22:32

零基础强化学习入门分享

内容：卷积概念，实现原理，激活函数，全连接；bp,cnn，bnn稍微了解一下（2）深度学习途径：某站的吴恩达深度学习全
YWXonline·2023-08-04 14:22

大规模机器学习（十）

b站学习链接：传送门学习视频第171819章学习目录索引：吴恩达2014课程简介知识补充课堂笔记十七、大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习参考视频
水枂·2023-08-04 04:39

python h5py库安装（记录使用wheel安装的方法）

pythonh5py安装前言1.安装wheel库二、下载对应的h5py的版本，网址如下官方库各种python的wheel文件查看自己的python适合什么版本下载好后用命令行来安装这个库了总结前言在学习吴恩达网课时
beixidong·2023-08-03 22:19

吴恩达深度学习-3.3目标检测

目标检测本章讲的是，关于滑动窗口法的目标检测实现。我们以之前的车辆检测举例，比如说我们想要检测左边这种图当中检测到是否有车辆存在的情况，那么我们需要建立一个数据集，这个数据集是那种车辆占满了图片的情况（为了检测效果好），通过训练之后，我们可以得到一个能分辨车辆是否存在的分类器。这样的话，我们就可以输入一张图片，询问其中是否有满屏的车辆。那么由于，我们只能检测是否有满屏的车辆，因此我们需要使用一个小
prophet__·2023-08-03 10:41

吴恩达机器学习课程笔记-(1)监督学习、无监督学习(Supervised Learning and Unsupervised Learning)

1、监督学习、无监督学习(SupervisedLearningandUnsupervisedLearning)1.1机器学习是什么？一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。—TomMitchallAcomputerprogramissaidtolearnfromexperienceEwithrespecttos
Jorunk·2023-08-02 15:35

逻辑回归和正则化（三）

b站学习链接：传送门学习前视频第67章学习目录索引：吴恩达2014课程简介知识补充为什么逻辑回归的输出值在0和1之间?逻辑回归的输出值范围是介于0和1之间。
水枂·2023-08-02 11:11

机器学习概述（一）

b站学习链接：传送门学习前视频三章学习目录索引：吴恩达2014课程简介机器学习概述知识补充传统的机器学习如何对一个函数求偏导.py和.ipynb的区别环境安装安装包下载开始安装在开始菜单中查看Anaconda
水枂·2023-08-02 11:10

多变量线性回归（二）

b站学习链接：传送门，学习视频第4、5章学习目录索引：吴恩达2014课程简介知识补充思考一个问题：什么时候适合用线性回归？什么时候适合用多项式回归？
水枂·2023-08-02 09:12

支持向量机（七）

b站学习链接：传送门学习视频第12章学习目录索引：吴恩达2014课程简介知识补充支持向量机支持向量机（SupportVectorMachine，SVM）是一种常用的监督学习算法，用于进行分类和回归分析。
水枂·2023-08-02 06:57

聚类和降维（八）

b站学习链接：传送门学习视频第1314章学习目录索引：吴恩达2014课程简介知识补充闵可夫斯基距离闵可夫斯基距离（Minkowskidistance）是一种用于衡量两个点之间的距离的度量方式，它是欧几里德距离和曼哈顿距离的一般化形式
水枂·2023-08-02 06:27

异常检测和推荐系统（九）

b站学习链接：传送门学习视频第1516章学习目录索引：吴恩达2014课程简介知识补充独立假设独立假设是概率论和统计学中的一个重要概念，用于描述两个或多个随机事件或随机变量之间是否相互独立。
水枂·2023-08-02 06:27

应用机器学习的建议（六）

b站学习链接：传送门学习视频第1011章学习目录索引：吴恩达2014课程简介知识补充线性和非线性线性和非线性是描述数学函数、模型或关系的两个基本概念。线性：线性是指一个函数、模型或关系满足线性性质。
水枂·2023-08-02 06:26

吴恩达2014课程简介

吴恩达的机器学习课程有两个版本，本课程学习的是《斯坦福大学2014机器教程》文章目录索引作业参考路径https://gitee.com/angerial/ai-samples相关文章吴恩达今年的机器学习课程与老版的有什么区别
水枂·2023-08-02 06:26

Pytorch入门学习——快速搭建神经网络、优化器、梯度计算

Pytorch_Study因为最近有同学问我如何Nerf入门，这里就简单给出一些我的建议：（1）基本的pytorch，机器学习，深度学习知识，本文介绍的pytorch知识掌握也差不多.机器学习、深度学习零基础的话B站吴恩达
出门吃三碗饭·2023-08-01 23:03

吴恩达学习笔记（四）

神经网络参数的反向传播算法第七十二课：代价函数神经网络是当下最强大的学习算法之一，那么在给定训练集时，如何为神经网络拟合参数？神经网络在分类问题中的应用：两种分类问题：第一种是二元分类；这里的y只能是0或1，在这种情况下，我们会有且仅有一个输出单元。K：输出层的单元数目。第二种是多类别分类问题：即会有K个不同的类，有K个输出单元，假设输出K维向量。接下来为神经网络单元定义代价函数：这时我们有K个输
带刺的小花_ea97·2023-07-31 19:28

1x1卷积核详解及分析

盗用吴恩达老师的一张图片来说明1*1卷积是怎样计算的：从上图中可以看出当通道数目为1的卷积核相当于直接在原图像的像素上进行加权求求和。
梦在黎明破晓时啊·2023-07-30 11:35

吴恩达机器学习笔记（3）

多变量线性回归：问题：根据多个属性，如房子面积，房子楼层，房子年龄等估计房子的价格多变量线性回归中的变量多变量线性回归的假设此时有多个特征,i对应不同的特征值，如房子面积，楼层，年龄等，参数为一个n+1维向量多变量线性回归中的梯度下降，对每一个参数求偏导数从而得到不同参数的梯度参数特征缩放——加速梯度下降过程收敛到最优值多变量梯度下降时，参数的取值要尽量小在多多变量梯度下降中，要让不同参数的取值范
魏清宇·2023-07-30 01:52

异常检测算法

anomaly-detection-resources7.吴恩达机器学习中文版笔记：异常检测（AnomalyDetection）
夕宝爸爸·2023-07-30 00:55

【深度学习笔记】Softmax 回归

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-29 10:15

【深度学习笔记】动量梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-29 10:15

梯度下降学习

吴恩达老师讲的视频（果然b站是个学习的网站）https://www.bilibili.com/video/av15346993?
qwrdxer·2023-07-27 03:56

吴恩达深度学习L1W2——实现简单逻辑回归

文章目录一些笔记写作业导入数据取出训练集、测试集处理数据的维度标准化数据sigmoid函数初始化参数w、b前向传播、代价函数、梯度下降优化预测函数模型整合使用模型绘制代价曲线单个样本测试不同alpha的比较预测新图根据笔记中的公式进行构造函数，之后使用模型进行预测一些笔记写作业导入数据importh5pyimportnumpyasnp#训练集、测试集train_data=h5py.File('./
每个人都是孙笑川·2023-07-27 03:25

零基础深度学习——学习笔记1 (逻辑回归)

前言因为各种各样的原因要开始学习深度学习了，跟着吴恩达老师的深度学习视频，自己总结一些知识点，以及学习中遇到的一些问题，以便记录学习轨迹以及以后复习使用，为了便于自己理解，我会将一些知识点用以个人的理解用通俗的语言表达出来
黑白程序员·2023-07-27 03:54

吴恩达ChatGPT《LangChain Chat with Your Data》笔记

文章目录1.Introduction2.DocumentLoading2.1RetrievalAugmentedGeneration（RAG）2.2LoadPDFs2.3LoadYouTube2.4LoadURLs2.5LoadNotion3.DocumentSplitting3.1SplitterFlow3.2CharacterSplitter3.3TokenSplitter3.4Markdow
datamonday·2023-07-26 00:45

拥抱生成式大模型 --- 提示工程篇

感谢吴恩达老师的开源课程。引言随着大型语言模型（LLM）的发展，LLM大致可以分为两种类型，即基础LLM和指令微调LLM。
有莘不殁·2023-07-25 19:50

吴恩达机器学习打卡day6

本系列文档按课程视频的章节（P+第几集）进行分类，记录了学习时的一些知识点，方便自己复习。课程视频P54图1表示求导数的原理。图1 图2将图1推广到有n个参数变量的情况。图2 图3提出了一些注意事项。图3 课程视频P55图4表示了求导时的一些特殊规律。图4 课程视频P56图5给出了选择神经网络层数的一些规律，通常中间层的层数要大于等于输入层的特征变量数量。图5 **图6给出了训练神经网络的操作步骤
不学了，删库跑路·2023-07-24 21:15

【深度学习笔记】随机梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-24 16:09

凯旋门的夜晚

0x01一直在看吴恩达老师的斯坦福cs229课程，收获了很多东西、0x02回到了苏州，忙着看机器学习的视频，也愁着生活的经费，没有人的陪伴，我要习惯落寞。
张建凯·2023-07-24 03:53

零基础"机器学习"自学笔记|Note7:逻辑回归

本系列以吴恩达老师的【“机器学习”课程】为纲，辅以黄海广老师的【斯坦福大学2014机器学习教程个人笔记（V5.51）】，中间会穿插相关数理知识。
木舟笔记·2023-07-23 15:33

吴恩达机器学习-logistic回归

logistic回归—离散变量的分类问题（0,1）分类，通常0表示“没有某样东西”，1表示“有某样东西”如有癌症，是垃圾软件等上图所示是一个（0,1）分类问题，当y的取值为{0,1,2,3}时，就变成一个多分类问题线性回归拟合而分类问题上述问题是一个肿瘤预测问题，根据肿瘤的大小判断肿瘤是良性还是恶性的，当数据显示如图时，使用线性回归似乎是合理的肿瘤大小小于0.5对应的那个值时肿瘤为良性，大于时为恶
魏清宇·2023-07-22 20:28

吴恩达深度学习笔记(21)-神经网络的权重初始化为什么要随机？

随机初始化（Random+Initialization）当你训练神经网络时，权重随机初始化是很重要的。对于逻辑回归，把权重初始化为0当然也是可以的。但是对于一个神经网络，如果你把权重或者参数都初始化为0，那么梯度下降将不会起作用。让我们看看这是为什么？有两个输入特征，n^([0])=2，2个隐藏层单元n^([1])就等于2。因此与一个隐藏层相关的矩阵，或者说W^([1])是2*2的矩阵，假设把它初
极客Array·2023-07-22 04:51

【深度学习笔记】梯度消失与梯度爆炸

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-19 10:50

深度学习路线

深度学习路线机器学习视频吴恩达http://open.163.com/special/opencourse/machinelearning.html神经网络深度学习在线教程共六章http://neuralnetworksanddeeplearning.com
OliverH-yishuihan·2023-07-19 07:26

学习率的选择

总结通常可以考虑尝试些学习率慢慢进行调试：参考内容：吴恩达机器学
氢气氧气氮气·2023-07-18 18:07

吴恩达的2022年终盘点：视觉Transformer、生成式AI、大模型闪耀全年！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：智源社区近日，吴恩达在圣诞节的《TheBatch》特刊上发布了一年一度的年终盘点。
Amusi（CVer）·2023-07-18 17:26

【机器学习】吴恩达课程2-单变量线性回归

一、单变量线性回归1.模型描述监督学习的流程&单变量线性回归函数代价函数：，其中m表示训练样本的数量公式为预测值与实际值的差，平方为最小二乘法和最佳平方/函数逼近。目标：最小化代价函数，即2.只考虑一个参数为方便分析，先取为0并改变的值3.参数都考虑将三维图平面化：等高线的中心对应最小的代价函数二、梯度下降1.算法思路指定和的初始值不断改变和的值，使不断减小得到一个最小值或局部最小值时停止2.梯度
禾风wyh·2023-07-18 10:22

吴恩达机器学习2022-Jupyter

1可选实验室:多变量线性回归在这个实验室中，您将扩展数据结构和以前开发的例程，以支持多个特性。一些程序被更新使得实验室看起来很长，但是它对以前的程序做了一些小的调整使得它可以很快的回顾。2目标扩展我们的回归模型例程以支持多个特性扩展数据结构以支持多个特性重写预测，成本和梯度例程，以支持多个功能利用NumPynp.dot向量化它们的实现，以提高速度和简单性在这个实验室里，我们将利用:NumPy，一个
KAY金·2023-07-18 06:40

吴恩达-面向开发人员的 ChatGPT 提示工程

探索ChatGPT，协助工作学习创作。公众号「阿杰与AI」回复AI，加入社群，一同探讨，一同成长，比他人更进一步。我们一起维护一个完全免费开源知识库。1.AI、OpenAI、MidJourney发展史2.ChatGPT们对今后社会生活的影响3.目前市面比较好的AI产品介绍4.注册方式汇总5.针对初学者的ChatGPT速成课程6.ChatGPT如何辅助工作6.1ChatGPT处理ExcelWordP
阿杰的人生路·2023-07-17 15:40

吴恩达ChatGPT网课笔记Prompt Engineering——训练ChatGPT前请先训练自己

吴恩达ChatGPT网课笔记PromptEngineering——训练ChatGPT前请先训练自己主要是吴恩达的网课，还有部分github的prompt-engineering-for-developers
瞲_大河弯弯·2023-07-17 15:39

【吴恩达-AIGC/ChatGPT提示工程课程】第八章 - **聊天机器人 Chatbot.**

【吴恩达-AIGC/ChatGPT提示工程课程】第八章-聊天机器人Chatbot.使用一个大型语言模型的一个令人兴奋的事情是，我们可以用它来构建一个定制的聊天机器人，只需要很少的工作量。
黎跃春·2023-07-17 15:09

【吴恩达】prompt engineering（原则 迭代 文本概括 推断、订餐机器人）

简介Introduction基础的LLM训练的模型，问法国的首都什么，可能会将答案预测为“法国最大的城市是什么，法国的人口是多少”许多LLMs的研究和实践的动力正在指令调整的LLMs上。指令调整的LLMs已经被训练来遵循指令。因此，如果你问它，“法国的首都是什么？”，它更有可能输出“法国的首都是巴黎”。指令调整的LLMs的训练通常是从已经训练好的基本LLMs开始，该模型已经在大量文本数据上进行了训
山顶夕景·2023-07-17 15:38

吴恩达深度学习笔记整理（四）—— 超参数调试、正则化以及优化

目录改善深层神经网络：超参数调试、正则化以及优化训练，验证，测试集（Train/Dev/Testsets）偏差和方差权衡方差和偏差的问题正则化为什么只正则化参数？为什么不再加上参数呢？为什么正则化有利于预防过拟合呢？为什么压缩2范数，或者弗罗贝尼乌斯范数或者参数可以减少过拟合？dropout正则化。其他正则化方法归一化输入1.零均值2.归一化方差。为什么使用归一化处理输入？梯度消失/梯度爆炸神经网
梦想的小鱼·2023-07-17 08:27
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他