深度学习课程

温州大学《深度学习》课程课件（四、浅层神经网络）

课外参考书：《深度学习》，人民邮电出版社，IANGOODFELLOW等，2017年出版课程资源下载链接（吴恩达老师的深度学习课程笔记以及相关资源）：htt

风度78·2024-02-05 19:04

交并比（Intersection over union）

来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。

双木的木·2024-01-27 20:33

Ulord优得社区第一期深度学习心得（第一课）

作为Ulord优得社区第一期深度学习课程，优得学院开启了传播区块链知识之旅，Ulord这个重磅公链，也会逐渐被大家熟知，对Ulord的深入了解，就从这次课程开始吧。

快乐小马哥·2024-01-19 10:20

吴恩达倾情推荐！28张图全解深度学习知识！

吴恩达在推特上展示了一份由TessFerrandez完成的深度学习专项课程图，这套信息图优美地记录了深度学习课程的知识与亮点。

深度学习算法与自然语言处理·2024-01-18 15:55

吴恩达深度学习课程作业--C1W2

1.3-Reshapingarraysv=v.reshape((v.shape[0]*v.shape[1],v.shape[2]))#v.shape[0]=a;v.shape[1]=b;v.shape[2]=c

HELLOTREE1·2024-01-18 10:09

人工智能学习计划入门级

Python编程基础-数据预处理和数据分析的方法-常用的人工智能框架和工具3.资料收集：-教材：《人工智能基础（第三版）》《Python从入门到精通（第三版）》-网课：吴恩达的机器学习课程、斯坦福大学的深度学习课程

ISDF-工软未来·2024-01-14 07:51

计划1

1.吴恩达DL2021(强推|双字)2021版吴恩达深度学习课程Deeplearning.ai_哔哩哔哩_bilibiliPart1神经网络与深度学习（6+19+12+8）共45Part2训练、开发、测试集

JLcucumber·2024-01-12 11:54

深度学习课程实验二深层神经网络搭建及优化

一、实验目的1、学会训练和搭建深层神经网络；2、掌握超参数调试正则化及优化。二、实验步骤初始化1、导入所需要的库2、搭建神经网络模型3、零初始化4、随机初始化5、He初始化6、总结三种不同类型的初始化正则化1、导入所需要的库2、使用非正则化模型3、对模型进行L2正则化（包括正向和反向传播）4、对模型进行dropout正则化（包括正向和反向传播）5、总结三种模型的结果梯度检验1、导入所需要的库2、理

叶绿体不忘呼吸·2024-01-12 00:32

深度学习笔记：下载鸢尾花数据集，并展示所有的属性

背景：深度学习课程作业。通过此作业，可了解tensorflow、matplotlib、pandas和numpy。

BioVS·2024-01-10 12:36

机器学习周刊03:如何学习深度学习？2024 年学习生成式 AI 路线图、如何构建高效的RAG系统、苹果腾讯最新论文、阿里DreaMoving

最近X上有推友重提这篇文章，是网友看过Jeremy教授的fast.ai深度学习课程后，把每节课提到的学习建议和忠告都总结了下来：https://forums.fast.ai/t/thin

机器学习算法与Python实战·2024-01-08 13:18

深度学习课程实验一浅层神经网络的搭建

一、实验目的1、学习如何建立逻辑回归分类器用来识别猫。将引导你逐步了解神经网络的思维方式，同时磨练我们对深度学习的直觉。（说明）：除非指令中明确要求使用，否则请勿在代码中使用循环（for/while）。2、理解神经网络的基础：通过实现一个简单的神经网络模型（即使它只有一个隐藏层），可以更好地理解神经网络的工作原理，包括前向传播和反向传播过程，以及如何通过调整权重和偏置来优化模型。3、为更复杂的任务

叶绿体不忘呼吸·2024-01-04 21:08

模式识别/机器学习/深度学习课程设计——基于百度AI+Tthinker的图像识别系统

最近在网上看到了百度AI的这个平台，感觉很有趣，而且都不需要自己去实现深度学习的代码，只需要去调用接口。主要难点就是图形界面的构建。通过这个项目，能对大家的图形界面开发有一个很大的提升。百度AI开放平台-全球领先的人工智能服务平台(baidu.com)什么是百度Aip模块百度AI平台提供了很多的API接口供开发者快速的调用运用在项目中本文写的是使用百度AI的在线接口SDK模块（baidu-aip）

喜欢吃豆·2024-01-03 07:50

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

深度学习大作业-MobileNetV2水果识别模型

github地址Lab文件夹中有七个深度学习课程相关实验以及文档。（github）fruit为本次大作业使用的数据集。geneFruit为数据增强后的数据集。

Giperxr·2023-12-26 10:32

邱锡鹏神经网络与深度学习课程【二】——绪论3和机器学习概述1

神经网络生物的神经网络：主要是由生物神经元构成先了解生物神经网络如何学习人工神经元输入通过加权进入激活函数，激活函数早期为饱和函数需要连续人工神经网络的搭建激活规则指就是输入输出之间非线性的函数学习算法一般为BP但是拓扑结构变化很灵活根据拓扑结构的不同，大体上分为三种类型，但是大多数网络都是复合型结构，即一个神经网络中包括多种网络结构图网络更为复杂，应用的范围更广神经网络与复合函数的联系神经网络可

桐原因·2023-12-16 08:23

2023年最新黑马程序员Java微服务项目--学成在线

基于流行的前后端分离架构进行设计，采用Nginx、SpringBoot、SpringCloud、MyBatis-Plus、MQ、Redis、Elasticsearch等框架和中间件为基础进行开发，带你深度学习课程发布业

骨灰级收藏家·2023-11-29 15:11

李宏毅深度学习课程笔记（一）——Self-attention和Transformer

李宏毅深度学习课程笔记（一）——Self-attention和Transformer1.前言2.Self-attention3.Multi-headSelf-attention4.PositionEncoding5

奔跑的chanchanchan·2023-11-29 05:36

2022最新版-李宏毅机器学习深度学习课程-P51 BERT的各种变体

之前讲的是如何进行fine-tune，现在讲解如何进行pre-train，如何得到一个pretrain好的模型。CoVe其实最早的跟预训练有关的模型，应该是CoVe，是一个基于翻译任务的一个模型，其用encoder的模块做预训练。但是CoVe需要大量的翻译对，这是不容易获得的，能不能通过一大段没有标注的语料进行预训练呢？因为有监督的标注是十分费时费力的，因此采用自监督的方法。即给定一个无标签的语料

QwQllly·2023-11-24 19:16

吴恩达Coursera深度学习课程 course2-week1 深度学习的实践层面总结

P0前言第二门课:ImprovingDeepNeuralNetworks:Hyperparameterturing,RegularizationandOptimization(改善深层神经网络：超参数调试、正则化以及优化)第一周:PracticalaspectsofDeepLearning(深度学习的实践层面)主要知识点:(Train/Dev/Testsets)训练测试集划分、(Bias/Vari

ASR_THU·2023-11-23 19:40

2022最新版-李宏毅机器学习深度学习课程-P49 GPT的野望

GPT→类似于TransformerEncoder训练任务：PredictNextToken使用MASK-attention，不断预测“下一个token”。可以用GPT生成文章。HowtouseGPT?给出描述和例子给出前半段，补上后半段In-contextLearning(noGD)结果目前看起来状况是,有些任务它还真的学会了,举例来说2这个加减法,你给它一个数字加另外一个数字,它真的可以得到,

QwQllly·2023-11-22 08:49

AI领域权威学者吴恩达亲身阐述如何有效阅读论文，并了解一个新的领域

在斯坦福大学的一次深度学习课程上，吴恩达亲述了如何有效阅读论文，通过论文去了解一个新的领域

SCI论文汇·2023-11-19 12:09

跟李沐学AI-深度学习课程04数据操作

数据操作sec_ndarray为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。通常，我们需要做两件重要的事：（1）获取数据；（2）将数据读入计算机后对其进行处理。如果没有某种方法来存储数据，那么获取数据是没有意义的。首先，我们介绍nnn维数组，也称为张量（tensor）。使用过Python中NumPy计算包的读者会对本部分很熟悉。无论使用哪个深度学习框架，它的张量类（在MXNet中为n

一直在努力的小宁·2023-11-18 17:22

跟李沐学AI-深度学习课程05线性代数

线性代数sec_linear-algebra在介绍完如何存储和操作数据后，接下来将简要地回顾一下部分基本线性代数内容。这些内容有助于读者了解和实现本书中介绍的大多数模型。本节将介绍线性代数中的基本数学对象、算术和运算，并用数学符号和相应的代码实现来表示它们。标量如果你曾经在餐厅支付餐费，那么应该已经知道一些基本的线性代数，比如在数字间相加或相乘。例如，北京的温度为52∘F52^{\circ}F52

一直在努力的小宁·2023-11-18 17:36

Day1跟李沐学AI-深度学习课程00-04【预告、课程安排、深度学习介绍、安装、数据操作+数据预处理】

00预告《动手学深度学习》https://github.com/d2l-ai/d2l-zh01课程安排02深度学习介绍03安装本地安装·使用conda/miniconda环境condaenvremoved2l-zhcondacreate-n-yd2l-zhpython=3.8pipcondaactivated2l-zh·安装需要的包pipinstall-yjupyterd2ltorchtorchv

一直在努力的小宁·2023-11-17 08:31

面向物流的计算机视觉和深度学习3

好处丰富数据质量战略资产定位改进的预测分析应用预测和规划优化自动化仓库预测性维护后台和客户体验挑战对历史数据的访问受限缺乏360°视野缺乏人工智能技能的专业人员总结参考这是工业和大企业应用的计算机视觉和深度学习课程的第

程序媛一枚~·2023-11-13 17:16

【深度学习实验报告】实验 1：PyTorch 使用简介

本课程是采用Pytorch开源框架进行案例讲解的深度学习课程。Tensor（张量）是PyTorch的基础数据结构，自动微分运算是深度学习的核心。

D之光·2023-11-11 07:09

2022最新版-李宏毅机器学习深度学习课程-P50 BERT的预训练和微调

模型输入无标签文本（Textwithoutannotation），通过消耗大量计算资源预训练（Pre-train）得到一个可以读懂文本的模型，在遇到有监督的任务是微调（Fine-tune）即可。最具代表性是BERT，预训练模型现在命名基本上是源自于动画片《芝麻街》。芝麻街人物经典的预训练模型：ELMo:EmbeddingsfromLanguageModelsBERT:BidirectionalEn

QwQllly·2023-11-11 07:54

【机器学习基础】优化算法详解

本文来源于吴恩达老师的深度学习课程[1]和深度学习课程[2]笔记部分。作者：黄海广[3]备注：笔记和作业（含数据、原始作业文件）、视频都在github[4]中下载。

风度78·2023-11-10 04:08

2022最新版-李宏毅机器学习深度学习课程-P34 自注意力机制类别总结

在课程的transformer视频中，李老师详细介绍了部分self-attention内容，但是self-attention其实还有各种各样的变化形式：一、Self-attention运算存在的问题在self-attention中，假设输入序列（query）长度是N，为了捕捉每个value或者token之间的关系，需要产生N个key与之对应，并将query与key之间做dot-product，就可

QwQllly·2023-11-09 07:06

2022最新版-李宏毅机器学习深度学习课程-P46 自监督学习Self-supervised Learning（BERT）

一、概述：自监督学习模型与芝麻街参数量ELMO：94MBERT：340MGPT-2：1542MMegatron：8BT5：11BTuringNLG：17BGPT-3：175BSwitchTransformer：1.6T二、Self-supervisedLearning⇒UnsupervisedLearning的一种“自监督学习”数据本身没有标签，所以属于无监督学习；但是训练过程中实际上“有标签”，

QwQllly·2023-11-09 07:58

深度学习笔记第三门课结构化机器学习项目第二周机器学习（ML）策略（2）...

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·2023-11-03 15:22

2022最新版-李宏毅机器学习深度学习课程-P26 自注意力机制

一、应用情境输入任意长度个向量进行处理。从输入看文字处理（自然语言处理）将word表示为向量one-hotword-embedding声音信号处理每个时间窗口（Window,25ms）视为帧（Frame）,视为向量图每个节点视为一个向量Socialgraph（社交网络图）分子式【one-hot】从输出看√输入输出数量相等【每个向量都有一个标签】⇒sequenceLabeling词性标注（POSta

QwQllly·2023-11-01 07:22

2022最新版-李宏毅机器学习深度学习课程-P32 Transformer

一、seq2seq1.含义输入一个序列，机器输出另一个序列，输出序列长度由机器决定。文本翻译：文本至文本；语音识别：语音至文本；语音合成：文本至语音；聊天机器人：语音至语音。2.应用自然语言处理（NLP问题），不过seq2seq有时候不一定是最佳的解决方法。语音辨识输入是声音讯号的一串的vector,输出是语音辨识的结果,也就是输出的这段声音讯号,所对应的文字⇒输出的长度由机器自己决定机器翻译机器

QwQllly·2023-11-01 07:38

循环神经网络

为了学习编码器-译码器架构，可能需要涉及transformer，循环神经网络，序列到序列的知识，这里将循环神经网络作为起点进行学习，参考学习的是吴恩达深度学习课程。本文主要涉及单隐层循环

Alex·Fall·2023-10-30 05:02

深度学习_1 介绍；安装环境

课程链接：课程安排-动手学深度学习课程(d2l.ai)介绍AI地图：我们以前写的非AI类程序基本都是人自己去想会遇到什么样的问题,让程序做怎样的逻辑处理来解决.那么，如果我们期望机器自己总结以往的经验来对我们没有考虑到过的未知情况做操作

灰海宽松·2023-10-29 10:08

AI基础：自然语言处理基础之序列模型

本文主要参考吴恩达老师的深度学习课程[1]笔记部分。0.导语序列模型，是自然语言处理的基础，本集讲解循环序列模型。

Wang_AI·2023-10-29 07:22

深度学习系列之cs231n assignment1 KNN（二）

写在前面：久经周折，终于能够将KNN系列给大家继续分享了，这次的内容来源于李飞飞教授团队的cs231n深度学习课程的作业1中的KNN研究，我会在全文我遇到困难的地方进行分享，以及一些想法。

明曦君·2023-10-27 09:06

循环神经网络（Recurrent Neural Network Model）

来源：Coursera吴恩达深度学习课程上篇文章介绍了RNN的数学符号（Notation），现在我们讨论一下怎样才能建立一个神经网络来学习X到Y的映射。如下图所示。

双木的木·2023-10-23 23:35

2022最新版-李宏毅机器学习深度学习课程-P26RNN-2

一、RNN网络结构与时间有关的反向传播（每次不同）损失函数实验其实不容易跑，因为他的损失函数曲线幅度很大画出来差不多是这个样子。突然一下升高是因为从右到左碰到陡峭的地方梯度一下变大了，所以弹回去了。原作者在训练时加上了小技巧——clipping：设置一个峰值，若超过则等于该峰值。梯度大的原因：当W>1时，微小的变化会引起很大的变化；当w<1时，较大的变化带来的变化也很小。RNN一些有用的变形LST

QwQllly·2023-10-20 03:33

2022最新版-李宏毅机器学习深度学习课程-P26 Recurrent Neural Network

RNN应用场景：填满信息把每个单词表示成一个向量的方法：独热向量还有其他方法，比如：Wordhashing单词哈希输入：单词输出：该单词属于哪一类的概率分布由于输入是文字序列，这就产生了一个问题：是到达还是离开？隐藏层的输出会被存储在内存中，内存能被视为另一个输入。改变序列的顺序会改变输出。RNN的网络结构目前已提出的两个网络及区别双向RNN它与传统的循环神经网络（RNN）相比有一个重要的区别：它

QwQllly·2023-10-19 00:07

2022最新版-李宏毅机器学习深度学习课程-P25 Spacial Transformer Layer

dataaugmentation/spacialtransformerCNN并不能够处理影像放大缩小,或者是旋转的问题。所以在做影像辨识的时候,往往都要做DataAugmentation，把你的训练数据截一小块出来放大缩小、把图片旋转，CNN才会做到好的结果。有一个架构叫spacialTransformerLayer可以处理。设计一个层，需要的地方=1，不要的地方=0经过一个NN，FP发生平移还可

QwQllly·2023-10-19 00:28

2022最新版-李宏毅机器学习深度学习课程-P13 局部最小值与鞍点

一、优化失败的原因局部最小值？鞍点？二、数学推导分析用泰勒公式展开一项与梯度（L的一阶导）有关，一项与海赛矩阵（L的二阶导）有关海瑟矩阵VTHV通过海瑟矩阵的性质可以转为判断H是否是正定的来判断H正定=所有特征值为正=局部最小值H负定=所有特征值为负=局部最大值有些特征值为正，有些为负=鞍点例子计算导数和海瑟矩阵的特征值如果遇到鞍点，可以通过特征值来判断减小LOSS的方向：特征值为负的方向其实局部

QwQllly·2023-10-16 19:16

2022最新版-李宏毅机器学习深度学习课程-P17 卷积神经网络CNN

一、CNN用于图像分类需要图片大小统一彩色图像分为RGB三层，展平后首尾相接值代表着颜色的强度图像识别中不需要全连接的，参数太多了观测1：通过判断多个小局部图像就能判断出图片标签感受野的定义简化1感受野可以重叠；同一感受野可以通过不同的权重典型设置观测2：相同部分出现在不同区域简化2共享参数典型设置引入filter的概念，实质是同一套权重卷积的优势有些要素比整张图片小的多同一要素可能会出现在不同区

QwQllly·2023-10-16 14:06

2022最新版-李宏毅机器学习深度学习课程-P16 Loss可能影响网络训练失败&softmax与sigmoid

一、实例回顾分类的例子在前几讲中已详细分析，此处略过。二、softmax与sigmoid此处要明白！softmax和sigmoid的区别和联系Softmax函数和Sigmoid函数的区别与联系-知乎(zhihu.com)Sigmoid=多标签分类问题=多个正确答案=非独占输出（例如胸部X光检查、住院）。构建分类器，解决有多个正确答案的问题时，用Sigmoid函数分别处理各个原始输出值。Softma

QwQllly·2023-10-16 14:36

2022最新版-李宏毅机器学习深度学习课程-P23 为什么用了验证集结果还是过拟合

用了验证集还有可能会过拟合这个片段可以从理论上证明这一点以上整个挑选模型的过程也可以想象为一种训练。把三个模型导出的最小损失公式看成一个集合，现在要做的就是在这个集合中找到某个h（此处可以视为训练），使得在验证集上的损失最低当抽到不好的训练数据时，理想和现实会有差距。训练数据不好的原因：训练资料的大小模型的复杂程度（越复杂，结果越糟的可能性越大）当拿到的验证集不好时，理想和现实会有差距。拿到的验证

QwQllly·2023-10-16 14:33

如何理解深度学习中迁移学习、预训练、微调的概念

说明本文为观看吴恩达深度学习课程视频所做的学习笔记吴恩达deeplearning.aiPart3结构化机器学习项目第二周机器学习（ML）策略（2）2.7迁移学习正文假设已经训练好一个图像识别神经网络，如果让这个图像识别神经网络适应或者说迁移不同任务中学到的知识

全幼儿园最聪明·2023-10-15 04:13

Andrew Ng 机器学习&深度学习课程代码作业解答集合

写在最前2018年是对自己来说是崭新的一年，在过去的3个多月里，从最基础的lr，学到现在的LSTM,GAN..感觉第一次追上了计算机科学飞速发展的浪潮。虽然很多地方都仍是一知半解，但时间还长，还是可以学到更多前沿的技术。算是给自己鼓励吧。Ng的入门课程MachineLearning与DeepLearning很赞，从小白一个个练习做了过来感觉受益良多。下面是自己完成的练习，作业代码已上传github

SunStriKE·2023-10-11 00:10

LSTM在text embedding中的作用(Cross modal retrieval)

如图吴恩达深度学习课程中LSTM结构图：相比于原始的RN

__main__·2023-10-09 01:00

单层神经网络的搭建

此博客基于优达学院的深度学习课程搭建一个简单的神经网络总结神经网络是一种在数据中识别模式的算法反向传播是一种在更新权重训练过程中采用的一种技术这个过程使用的是梯度下降法深度学习=多层神经网络+大数据+大量的计算实例课程中的实例搭建了一个单层只有一个神经元的神经网络使用该神经网络进行了一次简单的预测下面进行重现课上的代码争取本周能独立写出一个三层的神经网络

Ivan__1999·2023-10-05 07:54

sheng的学习笔记-【目录】【中文】【deplearning.ai】【吴恩达课后作业目录】

CSDN博客免费的用于学习的github地址，包含笔记和代码，资料来源于深度学习GitHub-fengdu78/deeplearning_ai_books:deeplearning.ai（吴恩达老师的深度学习课程笔记及资源

coldstarry·2023-10-04 19:15

推荐频道