吴恩达深度学习1笔记week2——深度学习概论Introduction to Deep Learning

最新推荐文章于 2024-09-03 22:57:13 发布
最新推荐文章于 2024-09-03 22:57:13 发布
阅读量121 收藏
点赞数
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Saulty/article/details/109741603
版权

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

在这里插入图片描述
在这里插入图片描述

2.2 logistic 回归 Logistic Regression

在这里插入图片描述

2.3 logistic 回归损失函数 Logistic Regression cost function

在这里插入图片描述
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

在这里插入图片描述
在这里插入图片描述

2.5 导数 Derivatives

在这里插入图片描述

2.6 更多导数的例子 More derivatives examples

在这里插入图片描述
在这里插入图片描述

2.7 计算图(流程图) Computation Graph

在这里插入图片描述
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

在这里插入图片描述
在这里插入图片描述

2.9 logistic 回归中的梯度下降法 Logistic Regression Gradient descent

在这里插入图片描述

2.10 m 个样本的梯度下降 Gradient descent on m examples

在这里插入图片描述

2.11 向量化 Vectorization

在这里插入图片描述

2.12 向量化的更多例子 More vectorization examples

内置函数：
在这里插入图片描述
在这里插入图片描述

2.13 向量化 logistic 回归 Vectorizing Logistic Regression

在这里插入图片描述

2.14 向量化 logistic 回归的梯度输出 Vectorizing Logistic Regression’s Gradient Computation

在这里插入图片描述
在这里插入图片描述

  • 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
    在这里插入图片描述
    在这里插入图片描述
  • 例子
    在这里插入图片描述
  • 通用规则
    在这里插入图片描述

2.16 关于 python _ numpy 向量的说明 A note on python / numpy vectors

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.17 Jupyter Ipython 笔记本的快速指南 Quick tour of Jupyter/ipython notebooks

在这里插入图片描述

2.18 （选修）logistic 损失函数的解释 Explanation of logistic regression cost function

在这里插入图片描述
在这里插入图片描述

Saulty
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Introduction to Deep Learning with Python
09-12
Introduction to Deep Learning with Python，Samar Haider，图文介绍（数学原理，应用）了神经网络，RNN，CNN框架和deep learning相关知识。
吴恩达深度学习笔记.pdf
11-21
【吴恩达深度学习笔记】是一份针对吴恩达教授在Coursera平台上的深度学习课程的详尽笔记，旨在帮助已有一定编程基础和机器学习知识的计算机专业人士深入理解和应用深度学习技术。该课程分为5个部分，涵盖了深度学习...
吴恩达深度学习DeepLearning课件图片
10-24
吴恩达深度学习DeepLearning课件图片，比较清楚，便于打印
吴恩达深度学习学习笔记以及代码
01-14
吴恩达深度学习课程是全球范围内广受欢迎的在线教育项目，由知名计算机科学家吴恩达教授主讲。这个课程深入浅出地介绍了深度学习的基本概念、理论基础以及实际应用，涵盖了神经网络、卷积神经网络（CNN）、循环神经...
吴恩达Deeplearning深度学习笔记v5.7.pdf
06-22
我设置的价格是0，CSDN下载多了会自动提价， 如有需要，请点击：...吴恩达 Deeplearning深度学习笔记v5.7 最新PDF版 免积分下载 https://blog.csdn.net/ftimes/article/details/106911087
4-Week1-PA1_deeplearning_吴恩达深度学习作业第四周_
10-04
吴恩达深度学习第四周课程代码，希望大家能从中有所收获
卷积神经网络综述
最新发布
XU157303764的博客
09-03 612
本文对卷积神经网络（Convolutional Neural Network，CNN）进行了全面综述。首先介绍了卷积神经网络的发展历程，包括早期的理论基础和关键突破。接着详细阐述了卷积神经网络的结构组成，包括卷积层、池化层、全连接层等，分析了各层的作用和特点。然后探讨了卷积神经网络在图像识别、目标检测、语义分割等多个领域的应用，并介绍了一些典型的应用案例。此外，还讨论了卷积神经网络的训练方法和优化技巧，包括数据增强、正则化、超参数调整等。最后，对卷积神经网络的未来发展趋势进行了展望。
【保姆级教程】使用 PyTorch 自定义卷积神经网络（CNN） 实现图像分类、训练验证、预测全流程【附数据集与源码】
阿旭的博客
09-03 1215
【保姆级教程】使用 PyTorch 自定义卷积神经网络（CNN） 实现图像分类、训练验证、预测全流程【附数据集与源码】
【深度学习 transformer】transformer 训练一个文本分类任务，超简单了
赖德发的博客
09-03 515
请注意，这只是一个简化的示例，实际代码可能会更复杂，具体取决于您选择的模型和配置。此外，Happy Transformer的API可能会随着时间的推移而更新，因此请确保查看最新的文档以获取最新的信息。请注意，这只是一个简化的示例，实际代码可能会更复杂，具体取决于您选择的模型和配置。此外，Happy Transformer的API可能会随着时间的推移而更新，因此请确保查看最新的文档以获取最新的信息。在这个预测代码中，我们首先使用Happy Transformer的API加载训练好的模型。
AI学习指南深度学习篇-长短时记忆网络python实践
俞兆鹏的博客
08-31 1418
长短时记忆网络（LSTM）是一种能够有效处理序列数据的循环神经网络。与传统的RNN相比，LSTM在解决梯度消失和梯度爆炸等问题上表现更好，使得它在自然语言处理、语音识别等领域广泛应用。TensorFlow是由Google开发的开源深度学习框架，提供了丰富的API和工具，方便进行神经网络的构建、训练和部署。
深度学习系列（1) TensorFlow---Tensorflow学习路线
追赶时代的博客
09-03 616
TensorFlow入门学习路线
【知识】对比Share mem/Pin mem/GPU mem之间的传输速度
xfxuezhang.cn
08-31 414
很必要的小知识
从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类
jwwkyjspt的博客
09-03 762
深度卷积网络采用“端对端”的特征学习，通过多层处理机制揭示隐藏于数据中的非线性特征，能够从大量训练集中自动学习全局特征（这种特征被称为“学习特征”），是其在遥感影像自动目标识别取得成功的重要原因，也标志特征模型从手工特征向学习特征转变。同时，当前以Transformer等结构为基础模型的检测模型也发展迅速，在许多应用场景下甚至超过了原有的以CNN为主的模型。另一方面，随着无人机自动化能力的逐步升级，它被广泛的应用于多种领域，如航拍、农业、植保、灾难评估、救援、测绘、电力巡检等。
【机器学习】循环神经网络(RNN)介绍
鑫宝的博客
08-31 2221
循环神经网络(Recurrent Neural Network, RNN)是一种特殊类型的人工神经网络,专门设计用于处理序列数据,如文本、语音、视频等。与传统的前馈神经网络不同,RNN在隐藏层之间引入了循环连接,使得网络能够捕捉序列数据中的动态行为和时间依赖性。上图展示了一个简单的RNN结构,其中xtx_txt​表示时间步ttt的输入,hth_tht​表示时间步ttt的隐藏状态,oto_tot​表示时间步ttt的输出。可以看到,隐藏状态hth_tht​。
pytorch利用简单CNN实现葡萄病虫害图片识别
roccreed的专栏
09-03 330
只有2个Python文件，通过简单CNN实现葡萄病虫害的识别DEMO
小白学深度学习：知识蒸馏研究综述
gangyikeji的博客
08-30 1133
知识蒸馏是一种教师-学生(Teacher-Student)训练结构，通常是已训练好的教师模型提供知识，学生模型通过蒸馏训练来获取教师的知识。它可以以 轻微的性能损失为代价将复杂教师模型的知识迁移到简单的学生模型中。知识蒸馏与迁移学习思想较为相似，然而它们有以下四点的不同：知识蒸馏中的知识通常是在同一个目标数据集上进行迁移，而迁移学习中的知识往往是在不同目标的数据集上进行转移。知识蒸馏的两个网络可以是同构或者异构的，而迁移学习通常是在单个网络上利用其它领域的数据知识。
阿尔茨海默病症识别+图像识别Python+人工智能+深度学习+TensorFlow+机器学习+卷积神经网络算法
子午的博客
08-31 677
阿尔茨海默病症识别。使用Python作为主要编程语言进行开发，基于深度学习等技术使用TensorFlow搭建ResNet50卷积神经网络算法，通过对病症图片4种数据集进行训练[‘轻度痴呆’, ‘中度痴呆’, ‘非痴呆’, ‘非常轻微的痴呆’]，最终得到一个识别精确度较高的模型。然后使用Django框架开发Web网页端可视化操作界面，实现用户上传一张眼疾图片识别其名称。注：本系统为学术型研究项目，暂不适用于真正的医学实践。
【Python机器学习】卷积神经网络（CNN）的工具包
weixin_39407597的博客
09-03 188
Python是神经网络工具包最丰富的语言之一。两个主要的神经网络架构分别是Theano和TensorFlow。
深度学习——强化学习算法介绍
swpucwf的博客
09-03 1256
强化学习讨论的问题是一个智能体(agent) 怎么在一个复杂不确定的环境(environment)里面去极大化它能获得的奖励。
吴恩达深度学习课程笔记：从基础到CNN、RNN与LSTM
"这是一份基于吴恩达在Coursera平台上的深度学习课程的中文笔记，由黄海广主编，旨在帮助已有一定编程基础（Python熟悉，了解机器学习）的计算机专业人士进入人工智能领域。课程涵盖了深度学习的基础，包括神经网络...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值