吴恩达-YEARNING

专项一：深度学习与神经网络-第二周

2.逻辑回归基本与机器学习的逻辑回归类似，只是表达参数的方式不同：吴恩达机器学习-第三周神经网络中通常X特征的布置方式为n×mn\ti
Sansui_Meng·2022-12-05 13:49

【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-第二周优化算法作业

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：【中英】【吴恩达课后测验】Course2-改善深层神经网络-第二周测验吴恩达deeplearning.ai
passer__jw767·2022-12-05 13:48

生产系统中的机器学习笔记（二）：选择、训练一个模型

这是我在学习DeepLearningAI上吴恩达老师的《生产系统中的机器学习》课程过程中的笔记。这一系列课程的质量很高，学习中受益匪浅。
Little-Tortoise·2022-12-05 11:49

吴恩达机器学习课后习题——kmeans

机器学习练习7-K-means实现K-means聚类，并使用它来压缩图像。我们将从一个简单的2D数据集开始，以了解K-means是如何工作的，然后我们将其应用于图像压缩。我们还将对主成分分析进行实验，并了解如何使用它来找到面部图像的低维表示。kmeans实施和应用K-means到一个简单的二维数据集，以获得一些直观的工作原理。K-means是一个迭代的，无监督的聚类算法，将类似的实例组合成簇。该算
一舟yz·2022-12-05 10:52

吴恩达深度学习之五《序列模型》学习笔记

一、循环序列模型1.1为什么选择序列模型如图所示是一些序列数据的例子1.2数学符号如图所示，我们用表示一个序列的第t个元素，t从1开始NLP中一个单词就是一个元素（又称时间步或时间戳）用表示序列的长度，或说元素个数比如就是第i个样本的特征序列的第t个元素，同理有再比如表示第i个样本特征序列的长度，同理有，如图所示的是如图所示，如何表示一个单词呢一个可行的方法是预先设置一个字典或者说词表对每一个单词
Umikaze_·2022-12-05 10:58

2020-11-16 吴恩达DL学习-C5 序列模型-W3 序列模型和注意力机制

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第三周序列模型和注意力机制Sequencetose
没人不认识我·2022-12-05 09:54

吴恩达深度学习课程学习笔记10

Seq2seq你可以把机器翻译想成是建立一个条件语言模型。下图中第一个模型是前两周所建立的模型，这个模型可以让你能够估计句子的可能性，这就是语言模型所做的事情，你可以用它来生成一个新的句子。而机器翻译模型就是下图中的第二个模型那样的，绿色部分表示encoder网络，紫色表示decoder网络，而decoder网络和上方的语言模型几乎一摸一样，机器翻译模型其实和语言模型非常相似，不同在于语言模型，总
weixin_38909710·2022-12-05 09:23

吴恩达《深度学习》第五门课（3）序列模型和注意力机制

3.1序列结构的各种序列（1）seq2seq：如机器翻译，从法文翻译成英文，将会是下面这样的结构，包括编码网络和解码网络。（2）imagetosequence：比如给一幅图像添加描述，如下图中的“一只猫站在椅子上”。同样包括编码网络和解码网络。3.2选择最可能的句子（1）机器翻译的本质就是一个条件语言模型，在给定输入的条件下输出最有可能的句子。（2）这里的条件语言模型与第一周讲的语言模型的区别在于
weixin_30781107·2022-12-05 09:53

吴恩达序列模型学习记录

作业区GRU里面的c和a是相等的，这和LSTM不一样LSTM这里使用的时a和x一起来计算门值（遗忘门，更新门，输出门）,注意使用的tanh和sigmoid注意到上面的这条红线，只要确定的设置了遗忘门和更新门，LSTM就可以很容易把c0传递到右边，这就是为什么GRU和LSTM可以实现才能长时间的记忆的原因什么时候用GRU什么时候用LSTM没有统一的准则，而且在历史上，LSTM也是更早的出现，GRU也
笑给我看·2022-12-05 09:21

Deep Learning | Andrew Ng (05-week3)—序列模型和注意力机制

【第5部分-序列模型-第三周】在吴恩达深度学习视频基础上，笔记总结，添加个人理解。
ZJ_Improve·2022-12-05 09:44

机器学习：使用matlab实现曲线线性回归拟合并绘制学习曲线

数据可视化吴恩达作业常规第一步，数据可视化，这里只可视化了训练集：%Loadfromex5data1:%YouwillhaveX,y,Xval,yval,X
ShadyPi·2022-12-05 09:07

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

Practicequiz:Reinforcementlearningintroduction第1个问题：Youareusingreinforcementlearningtocontrolafourleggedrobot.Thepositionoftherobotwouldbeits_____.【正确】state第2个问题：YouarecontrollingaMarsrover.Youwillbev
ZhemgLee·2022-12-04 20:24

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第三周所有jupyternotebook
ZhemgLee·2022-12-04 20:24

【含课程pdf & 测验答案】吴恩达-机器学习公开课 学习笔记 Week8-1 Unsupervised Learning

吴恩达-机器学习公开课学习笔记Week8-1UnsupervisedLearning8-1UnsupervisedLearning课程内容8-1-1ClusteringUnsupervisedLearning
CodingRae·2022-12-04 20:20

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第二周所有jupyternotebook
ZhemgLee·2022-12-04 20:18

吴恩达机器学习课后lab C1_W1_Lab04_Gradient_Descent_Soln-checkpoint（梯度下降函数运行）

梯度下降函数代码块1代码块2代码块3（计算损失（代价函数））梯度下降函数代码块4代码块1importmath,copyimportnumpyasnpimportmatplotlib.pyplotaspltplt.style.use('./deeplearning.mplstyle')fromlab_utils_uniimportplt_house_x,plt_contour_wgrad,plt_d
天选之喵·2022-12-04 13:56

吴恩达机器学习课后lab C1_W2_Lab01_Python_Numpy_Vectorization_Soln（向量元组）

向量元组创建代码块1（创建）代码块2代码块3代码块4代码块5代码块6代码块7代码块8代码块9代码块10代码块11代码块12代码块13（矩阵的创建）代码块14代码块15代码块16总结代码块1（创建）a=np.zeros(4);print(f"np.zeros(4):a={a},ashape={a.shape},adatatype={a.dtype}")a=np.zeros((4,));print(f
天选之喵·2022-12-04 13:26

吴恩达机器学习课后 lab C1_W1_Lab03_Cost_function_Soln-checkpoint

C1_W1_Lab03_Cost_function_Soln-checkpoint（代价函数）代码块1代码块2代价函数代码块3代码块4（可视化代价函数）代码块5代码块6代码块7总结代码块1importnumpyasnp%matplotlibwidget#这个模块是matplotlib中的GUI模块，可以通过调整bottom来实时改变显示的结果importmatplotlib.pyplotasplt
天选之喵·2022-12-04 13:46

吴恩达卷积神经网络笔记,吴恩达人工智能公开课

吴恩达是个谁吴恩达（1976-，英文名：AndrewNg），华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。
普通网友·2022-12-04 12:31

吴恩达机器学习笔记（十一）——支持向量机

1.优化目标首先从逻辑回归开始讲起，我们会先定义sigmoid函数然后我们根据sigmoid函数绘制出它的图像，如下图所示：基于上面的图像，我们可以得到下面的结论：如果y=1，那么我们期望得到hθ(x)≈1，即要使θTx>>0如果y=0，那么我们期望得到hθ(x)≈0，即要使θTx1时，代价函数是等于0的。从右图可以观察到，y=0时支持向量机的代价函数中，当z>-1时，是一条倾斜直线（斜率不重要）
XHHP·2022-12-04 11:59

吴恩达机器学习笔记——支持向量机

对应吴恩达机器学习网易云课程第13章的内容。在监督学习方面，与神经网络和逻辑回归相比，支持向量机在学习复杂的非线性方程时有很大的优势。
草莓甜Swag·2022-12-04 11:29

吴恩达机器学习笔记-支持向量机

优化目标之前的课程有学习过Logistic回归的假设函数：$$h_\theta(x)=\frac{1}{1+e^{-\theta^Tx}}$$其图像如下：从图像可以看出，如果$y=1$的话，那么我们希望$h_\theta(x)\approx1$，那么$\theta^Tx>>0$;如果$y=0$的话，那么我们希望$h_\theta(x)\approx0$，那么$\theta^Tx=1$(并不是仅仅大
weixin_34414650·2022-12-04 11:58

吴恩达机器学习入门笔记9-支持向量机

9支持向量机-SVM相比于神经网络，不用担心陷入局部最优问题，因为是凸优化9.1支持向量机的假设函数(9.1)hθ(x)={1,ifθTx≥00,otherh_{\theta}(x)=\left\{\begin{array}{ll}{1,}&{\text{if}\theta^{T}x\geq0}\\{0,}&{\text{other}}\end{array}\right.\tag{
杰斯洛兰德·2022-12-04 11:56

【吴恩达机器学习笔记】7支持向量机

12支持向量机（SupportVectorMachines）12.1优化目标（OptimizationObjective）与逻辑回归和神经网络相比，支持向量机SVM在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。现在开始建立支持向量机，从代价函数开始，用一个新的代价函数来代替，即这条从0点开始的水平直线，然后是一条斜线，像上图。左边的函数称之为cos⁡t1(z){\cos}t_1{(z
贪钱算法还我头发·2022-12-04 11:52

【吴恩达机器学习笔记】十一、聚类

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-04 11:48

【吴恩达机器学习笔记】十、支持向量机

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-04 11:14

pytorch中resnet_用Pytorch手工实现ResNet50

《吴恩达深度学习课程》第四课第二周的作业是：使用Keras和Tensorflow编写ResNet50，用程序实现题目中描述的网络结构。
郭小闲·2022-12-04 09:46

pytorch resnet50_用Pytorch手工实现ResNet50

《吴恩达深度学习课程》第四课第二周的作业是：使用Keras和Tensorflow编写ResNet50，用程序实现题目中描述的网络结构。
weixin_39926613·2022-12-04 09:16

气象类Python编程实战案例项目汇总

气象可视化(1)Matplotlib绘图教程(2)Cartopy绘图教程(3)Metpy绘图教程(4)Basemap库教程(5)气象可视化案例4.机器学习系列教程(1)周志华《机器学习》西瓜书笔记(2)吴恩达
qazwsxpy·2022-12-04 08:58

吴恩达 深度学习 编程作业（5-3）Part 2 - Trigger word detection

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《序列模型》部分的第三周“序列模型和注意力机制”的课程作业——第三部分：触发字检测。
大树先生的博客·2022-12-04 04:12

神经网络学习笔记1

*打工人的第三周学习目标和渠道*#神经网络算法的学习看斯坦福计算机视觉课程，看完相关笔记并完成作业看吴恩达的机器学习（还没开始看）某博主总结：https://yoyoyohamapi.gitbooks.io
vitalgirl·2022-12-03 13:58

自然语言处理（NLP）与词嵌入

很久以前看吴恩达老师的视频和西瓜书时用jupyter写的，今天想起来就把它转到这里，one-hot表达的不足：每个单词都是独立的、正交的，不能把同类单词的关系表示出来。
目睹闰土刺猹的瓜·2022-12-03 08:34

关于吴恩达机器学习C3_W2_Practice Lab 2需要pickle5的包的问题解决

主问题：吴恩达机器学习C3_W2_PracticeLab2需要pickle5的包新问题一：提示需要C++环境——尝试一：安装VisualStudioCode————结果：未解决——尝试二：通过VisualStuidoInstaller
鹿鸣里·2022-12-03 08:34

吴恩达深度学习 5.2 序列模型-NLP和词嵌入

1.知识点单词的向量表示：one-hot：向量长度为词典全部单词数，对应单词的位置用1表示，其他位置用0表示。缺点是每两个单词向量的乘积都为0，无法获取词与词之彰的相似性和相关性。词嵌入：用不同特征对各个词汇进行表征，相对与不同的特征，不同的单词均有不同的值。词嵌入的应用名字实体识别：比如，数据集不包含durain（榴莲）词汇，无法对包含durain的句子做实体识别。但我们从durain的词嵌入向
垚焱焱·2022-12-03 08:03

【序列模型】第二课--自然语言处理与词嵌入

课程来源：吴恩达深度学习
王小小小草·2022-12-03 08:00

吴恩达机器学习课上lab C1_W1_Lab02_Course_Preview_Soln-checkpoint

吴恩达机器学习labC1_W1_Lab02_Model_Representation_Soln-checkpoint前置代码块1代码块2代码块3代码块4代码块5代码块6（绘制图像）代码块7代码块8代码块
qq_47881858·2022-12-03 08:30

关于运行吴恩达老师C1_W1_Lab04_Cost_function_Soln出现的错误

这是吴恩达老师在上面标注的话localplottingroutinesinthelab_utils_uni.pyfileinthelocaldirectory总共需要两个文件最后成功
qq_37670641·2022-12-03 08:27

深度学习笔记 第五门课 序列模型 第二周 自然语言处理与词嵌入

本文是吴恩达老师的深度学习课程[1]笔记部分。
湾区人工智能·2022-12-03 08:20

吴恩达机器学习lab C1_W1_Lab01_Python_Jupyter_Soln

吴恩达机器学习labC1_W1_Lab01_Python_Jupyter_Soln代码块1代码块2总结代码块1#Thisisa'Code'Cellprint("Thisiscodecell")Thisiscodecell
qq_47881858·2022-12-03 08:48

【吴恩达机器学习笔记】九、机器学习系统的设计

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-03 06:21

吴恩达深度学习 | (20) 序列模型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，本篇博客将介绍第五部分序列模型专项的第一周课程：循环序列模型。目录1.为什么选择序列模型？
CoreJT·2022-12-03 03:08

5-1 Coursera吴恩达《序列模型》 第一周课程笔记-循环序列网络(RNN)

记录吴恩达AndrewNg深度学习专项课程笔记，方便之后回顾，共5门课。
双木的木·2022-12-03 03:01

深度学习笔记 第五门课 序列模型 第一周 循环序列模型

本文是吴恩达老师的深度学习课程[1]笔记部分。
湾区人工智能·2022-12-03 03:59

tensorflow—tf.gradients()简单实用教程

声明：参考官方文档参考tensorflow学习笔记（三十）关于神经网络中的梯度计算，推荐吴恩达的deeplearning公开课tf.gradients()在tensorflow中，tf.gradients
hustqb·2022-12-02 22:12

如何阅读论文

如何阅读论文李沐1.第一遍：文章主要讲什么1.1看整体1.2看图表2.第二遍：文章每一部分讲什么3.第三遍：真正读懂吴恩达1.1系统阅读论文集1.2论文至少要看三遍1.2.1第一遍，仔细阅读论文中的标题
Paul-Huang·2022-12-02 19:54

2.逻辑回归算法梳理

逻辑回归与线性回归的联系与区别2、逻辑回归的原理3、逻辑回归损失函数推导及优化4、正则化与模型评估指标5、逻辑回归的优缺点6、样本不均衡问题解决办法7.sklearn参数参考资料1、西瓜书2、cs229吴恩达机器学习课程
weixin_30823683·2022-12-02 10:32

RNN循环神经网络（吴恩达《序列模型》笔记一）

1、为什么选择序列模型2、数学符号用1来代表人名，0来代表非人名，句子x便可以用y=[110110000]来表示3、循环网络模型值得一提的是，共享特征还有助于减少神经网络中的参数数量，一定程度上减小了模型的计算复杂度。RNN模型包含三类权重系数，分别是Wax，Waa，Wya。优点：不同元素之间同一位置共享同一权重系数。缺点：它只使用了这个序列中之前的信息来做出预测。比如作出预测y的时候没有用到之后
cici_iii·2022-12-02 07:06

【吴恩达deeplearning.ai】深度学习(9)：循环神经网络

随深度学习技术的发展，使用循环神经网络（RecurrentNeuralNetwork，RNN）建立的各种序列模型，使语音识别、机器翻译及自然语言理解等应用成为可能。表示与类型自然语言、音频等数据都是前后相互关联的数据，比如理解一句话要通过一整句而不是其中的几个词，分析一段音频要通过连续的片段而不是其中的几帧。前面所学的DNN以及CNN处理的都是前后毫无关联的一个个单独数据，对于这些序列数据则需要采
Hugsy19·2022-12-02 07:05

吴恩达深度学习第五章序列模型——第一周循环序列模型

循环序列模型自然语言和音频都是前后相互关联的数据，对于这些序列数据需要使用循环神经网络（RecurrentNeuralNetwork，RNN）来进行处理。使用RNN实现的应用包括下图中所示：数学模型对于一个序列数据x，用符号x〈t〉来表示这个数据中的第t个元素，用y〈t〉来表示第t个标签，用Tx和Ty来表示输入和输出的长度。对于一段音频，元素可能是其中的几帧；对于一句话，元素可能是一到多个单词。第
倚剑笑紅尘·2022-12-02 07:34

吴恩达《序列模型》01——循环神经网络RNN

文章目录一、序列模型1.什么是序列模型？2.数学符号（Notation）二、循环神经网络1.标准NN存在的问题2.RNN3.通过时间反向传播（Backpropagationthroughtime）4.不同结构三、语言模型1.Languagemodelandsequencegeneration2.采样（Samplingnovelsequences）四、GRU和LSTM1.RNN的梯度消失（Vanis
美式咖啡不加糖x·2022-12-02 07:33
上一页 26 27 28 29 30 31 32 33 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他