深度学习课程——吴恩达第21页

pytorch yolo复现

pytorchyolo复现想着入门pytorch，用pytorch复现一下yolo算法，其实yolo的原理一天左右就完全搞懂了，但是真正写起代码来，就是会有各种细节不太清除，我是先从吴恩达的视频开始，然后参考着两位大佬的复现代码

十香的黄豆粉面包·2023-01-13 06:53

吴恩达机器学习 12.异常检测

异常检测1.问题的动机什么是异常检测？假想你是一个飞机引擎制造商，当你生产的飞机引擎从生产线上流出时，你需要进行QA(质量控制测试)，而作为这个测试的一部分，你测量了飞机引擎的一些特征变量，比如引擎运转时产生的热量，或者引擎的振动等等这样一来，你就有了一个数据集，从x(1)x^{(1)}x(1)到x(m)x^{(m)}x(m)，如果你生产了m个引擎的话，你将这些数据绘制成图表，看起来就是这个样子：

smile~。·2023-01-12 20:19

吴恩达深度学习笔记 course3 week2 机器学习策略(2)

这个时候就引入了误差分析分析过程:这里吴恩达老师是取出100张被错误标记的图片,观察其中把狗

weixin_30888707·2023-01-12 11:22

【学习周报】深度学习笔记第四周

学习目标：深度学习吴恩达lesson2-week3：超参数调试、Batch正则化和程序框架（Hyperparametertuning）深度学习吴恩达lesson3-week1：机器学习（ML）策略（1）

不要卷我啊·2023-01-12 11:18

吴恩达深度学习笔记（三）week2机器学习策略

清楚标记错误的数据吴恩达：人工干预，对误差进行分析，加入人对数据的理解在构建实际机器学习

lwmiracle·2023-01-12 11:16

吴恩达《深度学习工程师》Part3.Week2 机器学习策略（二）

2.1进行误差分析如果你构建的神经网络模型不能达到人类的水平，你可以手工查看模型错误的地方，这有助于你确定下一步如何进行改进。例如在猫的二分类模型中，出现了不少把狗认为是猫的错误判断，那么是不是应该建立一个专门判别狗的模型或者在训练集中增加狗的图片来减少把狗的错判率呢？可以这样做，找出100个错误判断的训练集，看里面有多少个是狗的图片，如果狗的图片只占5%，那么即使你专门针对狗的分类进行了优化，你

fxlou·2023-01-12 11:44

吴恩达深度学习笔记course3 week2 测验

第1个问题Tohelpyoupracticestrategiesformachinelearning,inthisweekwe’llpresentanotherscenarioandaskhowyouwouldact.Wethinkthis“simulator”ofworkinginamachinelearningprojectwillgiveataskofwhatleadingamachinel

banghu8816·2023-01-12 11:13

吴恩达深度学习笔记9-Course3-Week2【机器学习策略（ML Strategy）2】

机器学习策略（MLStrategy）2一、误差分析（ErrorAnalysis）1、进行误差分析（Carryingouterroranalysis）当训练完模型后，可以得到该模型的误差。接着我们要不断的对模型进行优化，减少误差。误差分析就是为了指导模型往能最大化减少误差的方向调整。误差分析就是对由不同错误分类类型引起的错误占总错误的比例进行排序，优先优化占比高的错误类型。以识别猫为例，预测失败可能

Wang_Jiankun·2023-01-12 11:42

Coursera | Andrew Ng (03-week2)—机器学习 ML 策略（2）

在吴恩达深度学习视频以及大树先生的博客提炼笔记基础上添加个人理解，原大树先生博客可查看该链接地址大树先生的博客-ZJCoursera课程|deeplearning.ai|网易云课堂CSDN：http:/

ZJ_Improve·2023-01-12 11:12

week 9 吴恩达迁移学习多任务学习端到端学习

文章目录一、错误分析二、快速构建系统然后迭代三、训练和测试的不同数据分布1、不匹配数据的偏差和方差2、解决数据不匹配问题。四、迁移学习transferlearning五、多任务学习multi-tasklearning六、端到端end-to-endlearning一、错误分析当我们在构建一个系统时，我们可以采用人工方法来分析错误率主要是由什么造成的。比如一个识别猫的系统，我们可以取出100张分析错误

爱吃肉c·2023-01-12 11:39

NLP学习笔记（三）- 李沐老师《动手学深度学习》

准备开肝李沐老师的《动手学深度学习》《动手学深度学习》链接：http://tangshusen.me/Dive-into-DL-PyTorch/#/课程：课程安排-动手学深度学习课程B站视频：https

bit熊·2023-01-12 11:22

【机器学习、深度学习与强化学习】机器学习（1）---机器学习简介

我先列一些我会用到的机器学习、深度学习的参考资料吧：1.西瓜书——周志华《机器学习》2.动手学深度学习——李沐3.B站李沐视频或者斯坦福CS329P4.youtube——李宏毅全套的公开课5.李航——统计学习方法6.吴恩达

旋转跳跃我闭着眼·2023-01-11 20:05

聚类2-高斯混合-EM算法

转自http://blog.csdn.net/lvhao92/article/details/50802703这篇主要想说的是高斯混合模型，我发现，纵观网上大体的博客，都是沿用了吴恩达老师的上课套路，所以大致都相同

kasdlj·2023-01-11 20:34

【深度学习】02-01-机器学习任务攻略-李宏毅老师21&22深度学习课程笔记

02-01-机器学习任务攻略FrameworkofMLGeneralGuideLargeLossonTrainingDataSolution1:ModelBias（MakeYourModelComplex）Solution2：OptimizationIssueWhichOne?GainingtheinsightsfromcomparisonStartfromshallowernetworks(or

暖焱·2023-01-11 20:04

机器学习笔记（继续更新）

学习内容跟随“吴恩达机器学习系列课程”。

M有在认真学习·2023-01-11 09:00

吴恩达---机器学习的流程（持续更新）

参考：吴恩达机器学习的视频视频链接：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili本文用于我自己的内容总结以及层次理解。

M有在认真学习·2023-01-11 09:30

元学习概述（Meta-Learning）

笔者挑选了经典的paper详读，看了李宏毅老师深度学习课程元学习部分，并附了MAML的代码。为了通俗易懂，

一只工程狮·2023-01-11 06:15

入门元学习（Meta-Learning）（附代码）2021-07-01

笔者挑选了经典的paper详读，看了李宏毅老师深度学习课程元学习部分，并

myWhaleSon·2023-01-11 06:40

吴恩达深度学习（笔记+作业）·第二课·第一周深度学习的实用层面

目录一、训练集train/验证集dev(val)/测试集test二、偏差/方差三、正则化（解决高方差）（L2正则化）四、正则化如何预防过拟合五、Dropout正则化（最常用：inverteddropout）六、其他正则化方法七、归一化/标准化：代价函数优化更快捷八、梯度消失/梯度爆炸九、权重初始化十、梯度检验（检验反向传播的bug）作业初始化参数正则化Dropout梯度校验内容涉及：超参数调优、如

手可摘星辰不去高声语·2023-01-10 19:06

吴恩达深度学习笔记（六）——超参数调试、Batch正则化和程序框架

一、调试处理给超参数取值：网格中取样点，随机取值，由粗糙到精细的策略。为超参数选择合适的范围：随机取值不是在有效范围内随即均匀取值，选择合适的步进值很重要。比如搜索学习率α，在0.0001到1之间，如果随机均匀取值，则在0.1到1之间应用了90%的资源，在0.0001到0.1之间只有10%的搜索资源。因此，不使用线性轴，而使用对数轴会更加合理。β越接近于1越敏感，需要密集取值。超参数调试实践：照看

子非鱼icon·2023-01-10 19:06

吴恩达深度学习（笔记+作业）·第一课·第二周神经网络基础

目录1.二分分类2.logistic回归3.logistic代价函数4.梯度下降法5.计算图6.logistic回归中的梯度下降法7.向量化8.向量化logistic回归9.Python中的广播10.pythonnumpy1.二分分类2.logistic回归3.logistic代价函数4.梯度下降法5.计算图可以参考刘普洪老师的计算图6.logistic回归中的梯度下降法7.向量化程序第二、六行错

手可摘星辰不去高声语·2023-01-10 19:06

吴恩达深度学习（笔记+作业）·第一课·第四周深层神经网络

目录一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数四、参数和超参数作业：一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数拿出一张纸，计算各个矩阵的维度四、参数和超参数作业：#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021

手可摘星辰不去高声语·2023-01-10 19:36

吴恩达深度学习第一课第二周编程作业

吴恩达深度学习第一课第二周编程作业建议进入本文主题，第二周编程作业你将学会：本人在写这篇作业时的手写笔记：1.导入包2.习题集概述练习1练习23.学习算法的一般结构4.构建我们算法的各个部分4.1Helperfunctions

tqh267·2023-01-10 19:34

吴恩达深度学习第一课第四周作业（2）

深度神经网络在图像分类中的应用1-包2-加载和处理数据集3-模型架构3.1-2层神经网络3.2-L层深层神经网络3.3-一般方法4-二层神经网络练习1-两层模型4.1-培训模型五层神经网络练习2-L_layer_model5.1-训练模型6-结果分析7-使用自己的图像进行测试（可选/未分级练习）当您完成本笔记本时，您将完成第4周的最后一个编程作业，以及课程1的最后一个编程作业！要构建cat/not

tqh267·2023-01-10 19:34

吴恩达深度学习课程第四章第二周编程作业(pytorch实现)

、编程实现1.Dataloader加载数据2.残差块的封装3.残差网络ResNets4.主控函数四、结果前言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经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2023-01-10 19:04

吴恩达深度学习课程第五章第二周编程作业(pytorch实现)

构造嵌入层embedding_layer2.Dataloader3.构造LSTM4.模型训练5.实验结果前言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经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2023-01-10 19:04

吴恩达深度学习课程第二章第三周编程作业(pytorch实现)

pytorch搭建神经网络3.1利用torch.nn简单封装模型3.2定义优化算法和损失函数4.整体代码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经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2023-01-10 19:03

吴恩达深度学习课程第二章第一周编程作业

文章目录声明一、任务描述二、编程实现1.数据2.参数初始化2.1初始化参数为02.2参数随机初始化2.3抑梯度异常初始化2.4主控函数2.5测试结果对比2.5.1初始化为02.5.2随机初始化参数2.5.3抑梯度异常初始化3.模型正则化3.1未使用正则化3.2L2正则化3.3dropout正则化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经验，大部分代码是参考了【中文】【吴恩

麻衣带我去上学·2023-01-10 19:33

吴恩达机器学习第四周学习笔记及编程作业答案

一、理论基础1.神经网络非线性假设当特征太多时，计算的负荷会非常大，这时可以使用非线性的多项式项，能够帮助我们建立更好的分类模型。1.1模型表示第一层成为输入层（InputLayer），最后一层称为输出层（OutputLayer），中间一层成为隐藏层（HiddenLayers）。我们为每一层都增加一个偏差单位（biasunit），偏差单元的值为1ai(j)代表第j层的第i个激活单元。θ(j)代表从

欢欢吖·2023-01-10 19:31

【吴恩达深度学习】：第二周编程作业（笔记型）——01

参考资料来源本文主要内容是参照该博主编写的，以下是原文链接：https://blog.csdn.net/u013733326/article/details/79639509一、简介吴恩达深度学习第二周作业

无眠·2023-01-10 19:29

【吴恩达深度学习】：第二周编程作业（笔记型）——02

三、编程python版本3.7.43.1安装库和加载程序为了实现这个项目，我们需要安装一下库：numpy：python进行科学计算的基本软件包h5py：是与H5文件中的存储的数据集进行交互的常用软件包h5py文件是存放两类对象的容器，数据集(dataset)和组(group)，dataset类似数组类的数据集合，和numpy的数组差不多。group是像文件夹一样的容器，它好比python中的字典，

无眠·2023-01-10 19:29

吴恩达深度学习笔记（第二周编程作业）

在吴恩达老师的深度学习中的assignment_2_2中实现logisticRegression需要将图片转化成训练集时需要将维度为（209，64，64，3）的图片矩阵转化成二维矩阵（64*64*3，209

ncisiad·2023-01-10 18:58

吴恩达关于论文阅读的指导

引言通常要想进入某一领域的研究，大概10-20篇论文就能了解该领域的研究进展；50-100篇论文让你能运用该领域的一些成果；100-200篇论文后能够让你深入了解这一领域。一、方法整体流程第一步∶收集并整合相关资源先选出六七篇论文出来，每一篇画一个理解度轴每读一篇文章就在这个轴线上画出自己的理解程度，不理解的地方如数学公式在初看时可以跳过第二步:深入研究你认为与主题相关的任何资源第三步:做笔记，对

想太多!·2023-01-10 18:56

李宏毅机器学习2021作业1感受

所以准备先把b站Pytorch入门、清华大学学堂在线上的《机器学习概论》、吴恩达经典的《机器学习》以及机器学习基础实战项目学完再回来继续学李宏毅机器学习了。

Ternence06·2023-01-10 18:48

学习机器学习

必备基础：高数线代概率论基础，python基础（有基础即可，有些忘记了可以在之后的学习过程中用哪学哪）参考知乎答主的学习过程：我的机器学习入门学习清单及路线-桔了个仔的文章)入门吴恩达机器学习：了解为目的

乐呵。乐呵·2023-01-10 14:57

吴恩达机器学习python作业之K-means

参考链接：吴恩达|机器学习作业7.0.k-means聚类_学吧学吧终成学霸的博客-CSDN博客任务一：实现K-means算法任务二：使用K-means算法进行图像压缩任务一：实现K-means算法numpy

abcd1233463457347·2023-01-10 12:56

吴恩达机器学习视频作业（Matlab实现）

吴恩达机器学习视频的课后作业，使用matlab实现ex1线性回归1.热身建立一个5*5矩阵A=eye(5);2.单变量的线性回归需要根据城市人口数量，预测开小吃店的利润数据在ex1data1.txt里，

m0_57097042·2023-01-10 12:25

目标检测-锚框概念和代码实现

前言经历过图像分类后，进一步的就是更复杂的目标检测了，从这一章开始，将会不断记录图像目标检测中的学习经历，其中大多数思路以及代码来源，来自于李沐的动手学深度学习课程，不过在这里，我会尽可能不用d2l的库

TOPthemaster·2023-01-10 11:25

K-means算法简单理解

参考《吴恩达机器学习》要解释K-means算法，用图像说明再合适不过了。

Jnchin·2023-01-09 15:59

No module named ‘matplotlib_inline‘

在李沐老师的动手学习深度学习课程中，线性回归的从零开始实现这一节的代码中，遇到以下问题：Nomodulenamed"d2l"解决方法：在AnacondaPrompt进入对应的虚拟环境，然后输入以下命令pipinstalld2l-ihttps

2791tianxingjian·2023-01-09 15:52

吴恩达机器学习笔记41-支持向量机的优化目标（Optimization Objective of Support Vector Machines）...

转载于:https://www.cnblogs.com/sl0309/p/10486958.html

weixin_33806509·2023-01-09 11:59

【学习笔记】吴恩达老师《深度学习工程师》一

从吴恩达老师的深度学习工程师课程入手，配合周志华老师的《机器学习》“西瓜书”，打好基本功，再战TensorFlow！放一张吴恩达老师的照片，开开光，认真学完微专业！（吴恩达老师英语太好听了！

Masec·2023-01-09 00:20

深度学习Deep Learning Specialization [deep learning ai 吴恩达主讲] Note1

Coursesinthissequence:NeuralNetworksandDeepLearningImprovingDeepNeuralNetworks:Hyperparametertuning,RegularizationandOptimizationStructuringyourMachineLearningprojectConvolutionalNeuralNetworks(CNN卷积神

张渤·2023-01-09 00:20

深度学习（一）吴恩达给你的人工智能第一课： 01.神经网络和深度学习

本文主要摘自吴恩达的深度学习课堂https://mooc.study.163.com/smartSpec/detail/1001319001.htm目录第一周、深度学习概论1.1、欢迎来到深度学习工程师微专业

我爱AI·2023-01-09 00:19

吴恩达【深度学习工程师】学习笔记（七）

吴恩达【深度学习工程师】专项课程包含以下五门课程：1、神经网络和深度学习；2、改善深层神经网络：超参数调试、正则化以及优化；3、结构化机器学习项目；4、卷积神经网络；5、序列模型。

zchang81·2023-01-09 00:49

深度学习-吴恩达：一、神经网络和深度学习

文章目录1、whatisaNeuralNetwork?（什么是神经网络）2、SupervisedLearningwithNeuralNetworks（监督学习）3、为什么深度学习会兴起？第一周测验测验题答案1、whatisaNeuralNetwork?（什么是神经网络）示例：房价预测Xsize→神经元→YpriceX从0开始，函数长这个样子：基于房子面积和房间数量，可以估算家庭人口数量基于邮政编码

哈！小白要成长！·2023-01-09 00:46

吴恩达深度学习笔记最全最详细！这一篇足够了！

为了方便学习深度学习课程，转载一个吴恩达老师的一个深度学习笔记，转载的网站是下面这个https://blog.csdn.net/red_stone1/article/details/80207815从去年

是小李呀~·2023-01-09 00:46

吴恩达老师DeepLearning系列课程最详细学习笔记之23—Jupyter Ipython笔记本的快速指南

教程是本人学习吴恩达老师DeepLearing系列课程中整理的最为详细的学习笔记。学习视频主要来自B站[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili?

james9668·2023-01-09 00:15

吴恩达老师DeepLearning系列课程最详细学习笔记之1—深度学习概念