- 博客(7)
- 收藏
- 关注
RSS订阅原创 吴恩达深度学习系列课程随记——Course4Week1
1.计算机视觉任务：图片分类/识别：图片是不是猫目标检测：图片中所有车的位置图片风格迁移：让一张图看起来像毕加索画的挑战：数据可能很大，如1k*1k的图片有300万维输入，如果有1000个隐藏单元，一层W会有30亿个参数因此，需要卷积2.边缘检测示例滑动窗口对位相乘，称为卷积运算，小的那个矩阵称为核或者过滤器图中这个过滤器，用来检测垂直边缘。将它反转一下...
2019-11-17 21:09:33
326
原创 吴恩达深度学习系列课程随记——Course3Week2
1.进行误差分析第一，你应该找一组错误样本第二，观察错误标记的样本，假阳性（false positives）和假阴性（false negatives）第三，统计属于不同错误类型的错误数量，比如把狗分成猫，把狮子分成猫，太模糊分错了这样你可以发现解决问题的方向，但注意选择首要的方向不能只看错误占比，要考虑解决问题的代价。2.清除标注错误的数据训练集标注错了：如果是少量的...
2019-11-07 10:17:55
366
原创 吴恩达深度学习系列课程随记——Course3Week1
1.为什么是ML策略当你训练你的网络，你可能觉得它不够好而换算法、改架构、加数据等。但如果你方向不对，很可能会浪费几个月的时间，这一代价在有的时候是不可承受的。因此我们需要一些经验和指引。2.正交化以控制小车为例，一个控制器控制旋转角，一个控制器控制加速，他们互不相干（夹角90度），使得你可以调整一个功能的时候不影响另一个功能。体现在学习中，你或许发现你的模型在训练/开发/...
2019-11-06 20:05:48
269
原创 吴恩达深度学习系列课程随记——Course2Week3
1.调试处理调试什么：学习率α是最重要的、最需要调节的超参数；其次是Momentum的β、隐藏单元和batchsize；应用Adam算法时，一般不调节他的几个参数。如何调试：早期使用网格图枚举超参数组合，但不同超参数的重要性不同，并不应该如此枚举。我们可以随机选择点来测试。策略：从粗糙到精细，即依据好结果出现的位置不断缩小搜索范围2.为超参数选择合适的范围层数、每层单...
2019-11-05 16:36:41
264
原创 吴恩达深度学习系列课程随记——Course2Week2
1.Mini-batch梯度下降回顾梯度下降：每一轮都要处理全部样本，样本量太大的话，即使进行了向量化，运行也十分缓慢使用Mini-batch梯度下降：将X、Y分成t个小批（batch），分别执行梯度下降。每一个batch执行完都更新W和b，这样一次遍历全部样本后更新了t次W和b而不是一次，这称为一代（epoch）运算。当然我们可以通过循环增加代数来继续运算直到满足要求。2.理...
2019-11-01 20:11:13
261
原创 吴恩达深度学习系列课程随记——Course2Week1
1.训练、验证、测试集训练集：用来训练验证集：用来找出最好模型测试集：无偏评估算法的运行状态（没有也不要紧）小数据时代：70%训练30%测试/60%训练20%训练20%测试大数据时代：99%（或者更多）训练1%验证%1%测试尽量保证验证集和测试集来自同一分布（网页抓取：牺牲了这一点来获取大量数据）没有测试集：这时验证集常常被称作测试集2.偏差、方差两者的平衡...
2019-10-30 20:33:19
322
原创 吴恩达深度学习系列课程随记——Course1
1.基本神经网络：Logistic回归与梯度下降相关定义：梯度下降：推导获得所需偏导数：那么可以得到：类似地：又：则：同理：2.深层神经网络类似此前的推导，这里直接给出用课程中符号表示的前向和反向传播过程：前向传播：反向传播：注意两传播过程中公用的量W和A，我们可以在前向...
2019-10-29 16:50:13
216
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人