吴恩达深度学习笔记week2——神经网络基础 Basics of Neural Network Programming
- 2.1 二分分类 Binary Classification
- 2.2 logistic 回归 Logistic Regression
- 2.3 logistic 回归损失函数 Logistic Regression cost function
- 2.4 梯度下降法 Gradient Descent
- 2.5 导数 Derivatives
- 2.6 更多导数的例子 More derivatives examples
- 2.7 计算图(流程图) Computation Graph
- 2.8 计算图的导数计算 Derivatives with a Computation Graph
- 2.9 logistic 回归中的梯度下降法 Logistic Regression Gradient descent
- 2.10 m 个样本的梯度下降 Gradient descent on m examples
- 2.11 向量化 Vectorization
- 2.12 向量化的更多例子 More vectorization examples
- 2.13 向量化 logistic 回归 Vectorizing Logistic Regression
- 2.14 向量化 logistic 回归的梯度输出 Vectorizing Logistic Regression's Gradient Computation
- 2.15 Python 中的广播 Broadcasting in Python
- 2.16 关于 python _ numpy 向量的说明 A note on python / numpy vectors
- 2.17 Jupyter Ipython 笔记本的快速指南 Quick tour of Jupyter/ipython notebooks
- 2.18 (选修)logistic 损失函数的解释 Explanation of logistic regression cost function
2.1 二分分类 Binary Classification
2.2 logistic 回归 Logistic Regression
2.3 logistic 回归损失函数 Logistic Regression cost function
损失函数loss function:衡量单一训练样本
成本函数cost function:衡量参数w和b的效果(所有训练样本上)
2.4 梯度下降法 Gradient Descent
2.5 导数 Derivatives
2.6 更多导数的例子 More derivatives examples
2.7 计算图(流程图) Computation Graph
蓝线,从左至右是计算图???
2.8 计算图的导数计算 Derivatives with a Computation Graph
2.9 logistic 回归中的梯度下降法 Logistic Regression Gradient descent
2.10 m 个样本的梯度下降 Gradient descent on m examples
2.11 向量化 Vectorization
2.12 向量化的更多例子 More vectorization examples
内置函数:
2.13 向量化 logistic 回归 Vectorizing Logistic Regression
2.14 向量化 logistic 回归的梯度输出 Vectorizing Logistic Regression’s Gradient Computation
- 多次迭代的话,仍需要for循环
2.15 Python 中的广播 Broadcasting in Python
- 问题的提出
- 例子
- 通用规则
2.16 关于 python _ numpy 向量的说明 A note on python / numpy vectors
2.17 Jupyter Ipython 笔记本的快速指南 Quick tour of Jupyter/ipython notebooks
2.18 (选修)logistic 损失函数的解释 Explanation of logistic regression cost function