![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吴恩达深度学习
文章平均质量分 65
吴恩达深度学习笔记
Deserant
这个作者很懒,什么都没留下…
展开
-
吴恩达深度学习笔记——卷积神经网络基础(1)
参考吴恩达深度学习视频和CSDN笔记https://blog.csdn.net/red_stone1/article/details/78651063 P108 Computer Vision CV主要包括以下几类: 图像分类 目标检测 图片风格迁移 使用传统神经网络处理机器视觉的主要问题是输入层的维数过大,这使得权重矩阵非常庞大,使得网络结构复杂,数据量大,容易出现过拟合;内存、计算量大。解决这一问题的方法就是使用卷积神经网络CNN。 P108 边缘检测示例 常见边缘检测有两类:垂直边缘,水平边缘。可原创 2021-07-23 18:44:27 · 265 阅读 · 0 评论 -
吴恩达深度学习笔记——优化算法
P61 Mini-batch gradient descent 参考https://blog.csdn.net/red_stone1/article/details/78348753和吴恩达深度学习视频 把m个训练样本分成若干个子集,称为mini-batches。 普通的gradient descent的epoch只是指一次遍历了训练集,只经历了一次梯度下降;mini-batch gradient descent ,一个epoch会进行T次梯度下降算法。 mini-batch比batch梯度下降法法运行更原创 2021-07-20 15:30:53 · 372 阅读 · 0 评论 -
吴恩达深度学习笔记L2逻辑回归与梯度下降
原创 2021-07-16 10:54:14 · 194 阅读 · 0 评论