Learing(Andrew) 第7页

李宏毅机器学习笔记：Brief Introduction of Deep Learning + Backpropagation(后向传播算法)

Lecture6:BriefIntroductionofDeepLearning本节课主要围绕DeepLearing三步骤：（

TravelingLight77·2022-11-22 18:55

Andrew Ng - Deep Learning - course1 - week 4, deep neural network

1.Code#-*-utf-8-*-"""date:2018/12/3cost:aday""""""log今日发现的cost下降十分慢，与答案有出入的原因：update写错（另一个注意点：initializeparameters------/np.sqrt())"""importmatplotlib.pyplotaspltimportnumpyasnpimportlr_utilsimporttes

笨鸟不走·2022-11-22 12:29

Andrew Ng's deeplearning Course5Week2 Natural Language Processing&Word Embeddings

一.词嵌入介绍1.词汇表征在之前，我们是根据单词在词汇表中的位置来表示单词的（one-hot），而这个方法有一个缺点。在做如上图所示的迁移学习时，模型没法根据上一句的orangejuice而判断得到下面一句apple的后面大概率也是juice。有一种方法能比较好的解决这个问题，那就是特征化的表示方法。如上图所示，假设每个单词有300维，每一维代表的都是一个特征，里面的值就代表这个特征和这个单词的关

福尔摩栋·2022-11-22 12:28

Andrew Ng's deeplearning Course5Week3 Sequence models & Attention mechanism

一.基础模型编码-解码如图中所示，输入一个法语句子，然后将其转换为英语句子。我们设定一个RNN结构的编码器和解码器，先将输入的法语句子编码为一个向量，再通过解码器将其转换为英语句子。图像描述图像描述，顾名思义就是给出一幅图片，然后根据图片给出相应的描述。我们将之前RNN中学到的AlexNet结构最后的softmax层去掉，前面的就是类似于一个编码网络，可以将图片编码成一个向量；然后我们再添加一个R

福尔摩栋·2022-11-22 12:28

Andrew Ng's deeplearning Course2Week1 Practical aspects of Deep Learning(深层学习的实用层面)

1深度学习的实用层面1.1基础1.1.1深度学习应用简述正如上图所说：深度学习的应用是一个高度迭代的过程，对于隐藏层的数量，隐藏单元数，学习率，激活函数这些该怎么选，我们其实心里并没有数，我们只有在一次次的选择和迭代过程中才能不断找到更好的，因此深度学习是一个高度迭代的过程。1.1.2训练/开发/测试集的选择高质量的训练数据集、验证集和测试集可以有效的提高循环的效率，如何选择咱们看下图：我们可以将

福尔摩栋·2022-11-22 12:57

Andrew Ng's deeplearning Course3Week1 ML Strategy(结构化机器学习)

一、机器学习的策略什么是机器学习策略，机器学习的策略就是一些分析机器学习问题的方法。当你的模型精准度达到90%时，还不够好，你想让它更好，你可以选择收集更多的数据，尝试更大或更小的网络，尝试dropout，尝试调整各种参数，你的选择太多了，但你并不知道调整过后效果怎么样，可能花费几个月时间但是效果并没长进，有什么应对办法嘛，那就是正交化。正交化，对于那些知道正交化的人来说，他们的思路非常清晰，他们

福尔摩栋·2022-11-22 12:57

Andrew Ng's deeplearning Course4Week1 Convolutional Neural Networks(卷积神经网络)

一、计算机视觉深度学习帮助计算机视觉很好的发展，如无人驾驶车识别路上的行人和车辆，人脸识别，艺术风格迁移。如上图所示，深度学习在大图像上有一个问题，那就是维度。之前64*64*3的维度才12288，但是如果是1000*1000像素的大图片，那么维度就是3million，假设第一层有1000个隐藏单元，那么就是3billion。输入维度太大，在参数如此大量的情况下，难以获取足够的数据来防止过拟合，要

福尔摩栋·2022-11-22 12:57

Andrew Ng's deeplearning Course1Week4 Deep neural network(深层神经网络)

4深层神经网络4.1深层神经网络概述正如上图中所示，logisiticregression是一个浅层的模型，当隐藏层的数量足够多的时候，我们就说这是一个深层的神经网络。4.2深层神经网络中的前向传播和前面的浅层神经网络一样，每一层计算z[L]=W[L]*a[L-1]+b[L],a[L]=g[L](z[L])，最终得到y帽。将其向量化后就变为Z[L]=W[L]*A[L-1]+b[L],A[L]=g[

福尔摩栋·2022-11-22 12:27

Andrew Ng's deeplearning Course1Week2 Neural Networks Basics（神经网络基础）

2.1二分2.1.1举一个识别猫的例子输入一个图片，判别有猫或无猫，这就是一个简单的二分分类。为了将图片转换成一个特征向量，大家都知道图片由红绿蓝三个像素矩阵组成，假设这个矩阵是64*64的，我们将之重构（Python里面是用reshape这个方法），将三个矩阵合并为一个nx（nx即维度，nx=64*64*3）行1列的矩阵。（x,y）表示一个单独的样本，假设有m个训练集，那m个训练样本就是{（x(

福尔摩栋·2022-11-22 12:26

Machine Learning - Andrew Ng on Coursera (Week 2)

本篇文章将分享Coursera上AndrewNg的MachineLearning第二周的课程，主要内容有如下，详细内容可以参考文末附件：设置作业环境多变量线性回归参数的解析算法Octave简介设置作业环境因为本课程涉及到在Octave或者Matlab提交作业，所以这一节讲了在各种不同的系统中如何安装Octave或者Matlab。安装比较简单，就不在此赘述。需要注意的有如下几点，如有其他疑问可私信或

beihangzxm123·2022-11-22 12:24

Notes - Coursera MachineLearning by Andrew NG - Week1

Notes-CourseraMachineLearningbyAndrewNG-Week1Week1-2014/03/07-hphp欢迎赐教、讨论、转载，转载请注明原文地址~MachineLearningIntroductionGeneralSpeaking-lecture1,2ManyApplicationAmazaon,NetfilxrecommendsystemArthurSamuel,ma

dawen5335·2022-11-22 12:52

pyG利用MessagePassing实现GCN(了解pyG的底层逻辑）

这个东西是CS224W:machinelearingwithgraph的作业的一部分！感觉这部分还是需要了解透，因为自己写论文搭建模型，就得自己利用MessagePassing类实现自己的模型。

山、、、·2022-11-22 12:42

sap fi清账函数POSTING_INTERFACE*的使用

sap提供了一套标准的清账函数POSTING_INTERFACE_STARTPOSTING_INTERFACE_CLEARINGPOSTING_INTERFACE_END但是很多小伙伴不怎么会去使用，因为

想发财的小夏·2022-11-22 10:45

【Andrew Ng 深度学习】（五）序列模型

【AndrewNg深度学习】（五）序列模型（五）序列模型week1.循环序列模型1.1为什么选序列模型1.3循环神经网络模型1.4通过时间的反向传播1.5不同类型的RNN1.8带有神经网络的梯度消失1.9GRU单元1.10长短期记忆（LSTM）1.11双向循环神经网络1.12深层循环神经网络week2.自然语言处理与词嵌入week3.序列模型和注意力机制返回目录【2021-5-8】（五）序列模型w

你的一切都是星尘·2022-11-22 07:30

pytorch的DP和DDP

参考https://andrew.gibiansky.com/blog/machine-learning/baidu-allreduce/#https://zhuanlan.zhihu.com/p/343951042

qiumokucao·2022-11-22 03:28

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 3_Linear Algebra Review

Lecture3LinearAlgebraReview线性代数回顾3.1矩阵和向量3.2加法和标量乘法3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性质3.6逆、转置3.1矩阵和向量参考视频:3-1-MatricesandVectors(9min).mkv3.2加法和标量乘法参考视频:3-2-AdditionandScalarMultiplication(7min).mkv3.3矩阵向量乘法参考

weixin_30569153·2022-11-20 23:11

机器学习学习笔记-多项式中的过拟合，泛化能力等

引用于机器学习中模型泛化能力和过拟合现象(overfitting)的矛盾、以及其主要缓解方法正则化技术原理初探-郑瀚Andrew.Hann-博客园(cnblogs.com)说在前面的一点东西经验风险最小化最优模型结构风险最小化

Jc随便学学·2022-11-20 17:09

第四章案例研究--------------------- 基于业务驱动的企业安全架构(翻译，原作者John Sherwood ；Andrew Clark； David Lynas)---仅学习使用

第4章：案例研究本书的目的是提供一个高度实用的指南，尽可能将作品与读者的现实生活环境和经历联系起来。因此，它借鉴了尽可能多的案例研究。一些案例研究是一次性的小事，通常来自作者在许多不同行业领域遇到的真实例子。然而，大部分案例研究材料已合并为一个虚构的案例研究：星际银行和金融服务公司(IBFS)。在本章中，您将了解用于在许多其他章节中提供示例的IBFS案例研究。4.1星际银行和金融服务公司这里描述了

LYH_Helen·2022-11-20 15:36

机器学习--简单算法和编程实现

机器学习部分算法weektwo4.18@(Mymachinelearing)梯度下降和多线性回归首先特征缩放要对输入的m组data进行一个处理将其放到一个矩阵中方便计算，或者对于不同范围的数据进行特征缩放

JackYanghc·2022-11-20 15:49

YOLO-V4 Pytorch版本训练自建数据集和预测

我的仓库地址为：https://github.com/hx-0614/yolov4-pytorch-learinggitclonehttps://github.com/hx-061

Chris_hx·2022-11-20 13:20

从Q-Learning到Deep-Q-Learning

DeepLearning定义深度学习(DeepLearing)由一组算法和技术构成，这些算法和技术试图发现数据的重要特征并对其高级抽象建模。

ChanZany·2022-11-20 13:50

【整理】用简单逻辑图理解DQN（deep Q-learning）的学习过程

试图理解DQN（deepQ-learning）过程一、DQN背景先引Q-Learing更好地明了dqn的产生原因：Q-learning：是一种off-policy的强化学习方法，行动和评估决策的过程。

_Waters·2022-11-20 13:05

YOLOV5中注意力函数的添加

的博客-CSDN博客_yolov5注意力机制【YOLOV5-5.x源码解读】common.py_满船清梦压星河HK的博客-CSDN博客CoordAttention/coordatt.pyatmain·Andrew-Qibin

江小白jlj·2022-11-20 00:58

[StudyNote]Neural Networks&Deep Learning--Andrew Ng【待续】

文章目录week11.1StandardNNweek22.1符号简介2.2LogisticRegression-----浅层模型2.2.1lossfunction-----衡量单个训练集上表现2.2.2costfunction-----衡量全体训练集上表现2.2.3P2.3DerivativeswithaComputationGraph2.4gradientdescentalgorithm(梯度下

周树皮不皮·2022-11-19 14:35

Few-Shot Learning：基本概念

基础概念1.few-shotlearing（少样本学习）：意思是用少量带标签的样本来训练就得到一个好的模型去做分类或回归任务2.few-shotlearning是一种metalearning（元学习），

李问号·2022-11-19 10:52

交叉熵代价函数原理

blog.csdn.net/u014595019/article/details/52562159交叉熵代价函数（作用及公式推导）2016年04月02日18:22:52__鸿阅读数：65686更多所属专栏：MachineLearing

weixin_34168880·2022-11-19 08:49

COURSERA- 吴恩达机器学习 Machine Learning by Andrew NG

COURSERA-MachineLearningbyAndrewNGHerearemyon-goingstudynotesfor“MachineLearningbyAndrewNG”onCoursera.Ididn’tpayforthecourseyet,cozthereisnostudy-freeschedulefor吴恩达机器学习课程intheCourserastudent’saccount.

youknowwho3_3·2022-11-19 02:28

P11机器学习--李宏毅笔记GAN（对抗生成网络）

目录GAN的基本概念GAN的训练方法训练GAN的目标ModelCollapseModelDropping计算多样性ConditionalGANCondtitionalGAN+SupervisedlearingcycleGanGAN

温涛·2022-11-14 13:38

Prompt learning系列之入门篇

什么是Promptlearing？就是通过引入模版来将

人工智能与算法学习·2022-11-14 09:19

决策树C4.5算法 c语言实现,决策树之ID3、C4.5、C5.0

决策树之ID3，说一个例子，就会明白，拿TomM.mitchen的《MachineLearing》第三章中的例子。

我自来去·2022-11-08 19:58

CVPR 2021 | Coordinate Attention for Efficient Mobile Network Design注意力机制再下一城（Keras实现）

CoordinateAttentionforEfficientMobileNetworkDesignpaper:https://arxiv.org/pdf/2103.02907.pdfcode:https://github.com/Andrew-Qibin

xdhe1216·2022-11-08 19:57

CVPR2021|| Coordinate Attention注意力机制

Paper：https://arxiv.org/pdf/2103.02907.pdfGitHub：https://github.com/Andrew-Qibin/CoordAttention轻量，优秀，

Fly-Pluche·2022-11-08 19:25

自然语言处理学习笔记十三（Deep Learing 与 NLP ）

一、传统方法的局限性1.1数据稀疏由于语言是离散的符号系统，每个字符与单词都是离散型随机变量。任何机器学习模型只接受向量，将文本转换成向量，表示为元素为01的二进制向量，然后不同单词的相似句子却是不同的向量，现实中有无数个单词，从而会有严重的数据稀疏问题。1.2特征模板为了建模语言的复合性，传统自然语言处理依赖于手工制定的特征模板，这些模板也是各种单词的组合，组合太多。同样也会带来数据稀疏的问题。

犀利哗啦760596103·2022-11-04 17:02

【翻译】Coordinate Attention for Efficient Mobile Network Design

QibinHou,DaquanZhou,JiashiFeng论文：CoordinateAttentionforEfficientMobileNetworkDesign项目：https://github.com/Andrew-Qibin

异想天开的长颈鹿·2022-11-02 08:52

《机器学习实战》-支持向量机源码运行

SVM源码（smoSimple）'''文件名：svmSimple.pyChapter5sourcefileforMachineLearinginAction@author:Peter画图函数showClassifer

吓一跳你·2022-10-31 21:52

机器学习练习1-线性回归

本文基于Andrew_Ng的ML课程作业1-LinearRegressionwithonevariablewithgradientDescent:根据城市城市人口数量，预测开小吃店的利润导入库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3D

YukinoPon·2022-10-28 14:20

机器学习练习2-逻辑回归

本文基于Andrew_Ng的ML课程作业1-LogisticRegressionwithgradientDescent:根据申请学生两次测试的评分来决定他们是否被录取导入库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt

YukinoPon·2022-10-28 14:20

在jupyter notebook中安装使用pytorch

V10.1.243)、CuDNN、Pytorch(1.2.0)在新环境中安装ipykernel:condainstallipykernel写入环境:python-mipykernelinstall--nameDeepLearing

肉肉的求学路·2022-10-15 07:43

Machine Learning第三讲[Logistic回归] --（四）解决过拟合问题

内容来自Andrew老师课程MachineLearning的第三章内容的SolvingtheProblemofOverfitting部分。

nana-li·2022-10-11 07:11

DeepLearing—CV系列（十六）——基于Pytorch实现的编解码结构之Seq2Seq实现验证码识别

文章目录一、认识编解码网络（encoder-decoder）二、解编码网络结构2.1编码过程（Encoder）2.2解码过程（Decoder）2.3Seq2Seq生成对联的过程三、Seq2Seq网络的应用四、基于编解码模型实现的验证码识别4.1验证码识别的原理和过程五、代码5.1gen_num.py5.2sampling.py5.3nets.py5.4Train.py首先解释一下Seq2Seq的意

wa1tzy·2022-10-02 07:32

吴恩达深度学习学习笔记——C2W3——超参数调试、Batch正则化和程序框架——作业——Tensorflow入门及使用Tensorflow构建第一个神经网络

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master

预见未来to50·2022-09-26 11:18

unity3D-learing my first game : A easy calculator

1、简答题解释游戏对象（GameObjects）和资源（Assets）的区别与联系。两者之间的区别：游戏对象(GameObjects)：游戏中的每一个对象都是一个游戏对象。他们本身不会做任何事情，我们赋予他们各自的属性之后，就成为了我们在游戏中看到的角色或环境等。例如我们设置的玩家，关卡等他们都属于游戏对象，我们通过给他们添加各种属性火环境，让他们成为游戏对象。可以将游戏对象看成是一个空容器，我们

tangyt77·2022-09-14 22:53

《程序员修炼之道 - 从小工到专家》吐血解读

Andrew还是敏捷联盟（AgileAlliance）的创始人。David则是著名的DRY(Don’tRepeaseYourself)一词的发明者。

博文视点·2022-09-14 11:21

吴恩达深度学习学习笔记——C1W2——神经网络基础——作业2——用神经网络的思路实现Logistic回归

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:http://localhost:8888/tree/Andrew-Ng-Deep-Learning-notes/assignments/C1W2

预见未来to50·2022-08-13 09:12

【Andrew Ng机器学习】单变量线性回归-代价函数

课程：吴恩达机器学习代价函数弄清楚如何把最有可能的直线与我们的数据相拟合模型参数我们把0和1称为模型参数而我们要做的就是选择这两个参数值0和1不同的模型参数对应不同的h代价函数的引出在线性回归中，我们有一个训练集如下图：我们要做的就是得出0和1，来让假设函数表示直线，尽量的与这些数据点更好的拟合如何选择模型参数使h与数据点更好的拟合？idea：选择0和1，使得h(x)，也就是输入x时我们预测的值，

jenye_·2022-08-10 11:50

DeepLearing4j深度学习之Yolo Tiny实现目标检测

YoloTiny是Yolo2的简化版，虽然有点过时但对于很多物体检测的应用场景还是很管用，本示例利用DeepLearing4j构建Yolo算法实现目标检测，下图是本示例的网络结构：//parametersmatchingthepretrainedTinyYOLOmodelintwidth

victorkevin·2022-07-30 07:48

ABAP 代码中读取会计科目的字段状态（隐藏、可选、必输）

1.问题使用BAPIPOSTING_INTERFACE_CLEARING进行清账的时候，由于标准程序使用BDC清账，而且不同科目ZFBDT字段状态不一致会导致清账失败字段隐藏时，不能赋值BDC字段ZFBDT

rogerix4·2022-07-28 22:46

Stanford机器学习---第十讲数据降维

内容大多来自Standford公开课machinelearning中Andrew老师的

画面很美·2022-06-12 07:35

DeepLearing—CV系列（二十四）——Pytorch实现OCR识别图片转文字（1）——CTPN理论

文章目录一、OCR简介二、CTPN（ConnectionistTextProposalNetwork）连接文本提议网络2.1CTPN简介2.2CTPN模型创新点2.3CTPN与RPN网络结构的差异2.4CTPN网络结构2.4.1CTPN的整体结构与流程2.5如何通过FC层输出产生Textproposals?2.6竖直Anchor定位文字位置2.7文本线构造算法2.8CTPN的训练策略2.9CTPN

wa1tzy·2022-06-06 07:50

DeepLearing—CV系列（十八）——图像分割之U-Net的Pytorch实现

文章目录一、nets.py二、Mydataset.py三、Train.py一、nets.pyimporttorchfromtorch.nnimportfunctionalasFclassCNNLayer(torch.nn.Module):def__init__(self,C_in,C_out):super(CNNLayer,self).__init__()self.layer=torch.nn.S

wa1tzy·2022-05-26 07:49

推荐频道

Learing(Andrew)

李宏毅机器学习笔记：Brief Introduction of Deep Learning + Backpropagation(后向传播算法)

Andrew Ng - Deep Learning - course1 - week 4, deep neural network

Andrew Ng's deeplearning Course5Week2 Natural Language Processing&Word Embeddings

Andrew Ng's deeplearning Course5Week3 Sequence models & Attention mechanism

Andrew Ng's deeplearning Course2Week1 Practical aspects of Deep Learning(深层学习的实用层面)

Andrew Ng's deeplearning Course3Week1 ML Strategy(结构化机器学习)

Andrew Ng's deeplearning Course4Week1 Convolutional Neural Networks(卷积神经网络)

Andrew Ng's deeplearning Course1Week4 Deep neural network(深层神经网络)

Andrew Ng's deeplearning Course1Week2 Neural Networks Basics（神经网络基础）

Machine Learning - Andrew Ng on Coursera (Week 2)

Notes - Coursera MachineLearning by Andrew NG - Week1

pyG利用MessagePassing实现GCN(了解pyG的底层逻辑）

sap fi清账函数POSTING_INTERFACE*的使用

【Andrew Ng 深度学习】（五）序列模型

pytorch的DP和DDP

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 3_Linear Algebra Review

机器学习学习笔记-多项式中的过拟合，泛化能力等

第四章案例研究--------------------- 基于业务驱动的企业安全架构(翻译，原作者John Sherwood ；Andrew Clark； David Lynas)---仅学习使用

机器学习--简单算法和编程实现

YOLO-V4 Pytorch版本训练自建数据集和预测

从Q-Learning到Deep-Q-Learning

【整理】用简单逻辑图理解DQN（deep Q-learning）的学习过程

YOLOV5中注意力函数的添加

[StudyNote]Neural Networks&Deep Learning--Andrew Ng【待续】

Few-Shot Learning：基本概念

交叉熵代价函数原理

COURSERA- 吴恩达机器学习 Machine Learning by Andrew NG

P11机器学习--李宏毅笔记GAN（对抗生成网络）

Prompt learning系列之入门篇

决策树C4.5算法 c语言实现,决策树之ID3、C4.5、C5.0

CVPR 2021 | Coordinate Attention for Efficient Mobile Network Design注意力机制再下一城（Keras实现）

CVPR2021|| Coordinate Attention注意力机制

自然语言处理学习笔记十三（Deep Learing 与 NLP ）

【翻译】Coordinate Attention for Efficient Mobile Network Design

《机器学习实战》-支持向量机源码运行

机器学习练习1-线性回归

机器学习练习2-逻辑回归

在jupyter notebook中安装使用pytorch

Machine Learning第三讲[Logistic回归] --（四）解决过拟合问题

DeepLearing—CV系列（十六）——基于Pytorch实现的编解码结构之Seq2Seq实现验证码识别

吴恩达深度学习学习笔记——C2W3——超参数调试、Batch正则化和程序框架——作业——Tensorflow入门及使用Tensorflow构建第一个神经网络

unity3D-learing my first game : A easy calculator

《程序员修炼之道 - 从小工到专家》吐血解读

吴恩达深度学习学习笔记——C1W2——神经网络基础——作业2——用神经网络的思路实现Logistic回归

【Andrew Ng机器学习】单变量线性回归-代价函数

DeepLearing4j深度学习之Yolo Tiny实现目标检测

ABAP 代码中读取会计科目的字段状态（隐藏、可选、必输）

Stanford机器学习---第十讲 数据降维

DeepLearing—CV系列（二十四）——Pytorch实现OCR识别图片转文字（1）——CTPN理论

DeepLearing—CV系列（十八）——图像分割之U-Net的Pytorch实现

Stanford机器学习---第十讲数据降维