- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 吴恩达深度学习笔记六：序列模型
周末出去耍了一下，回来又玩了两天游戏，耽误了好多时间啊，关键是连输20多局。哎，以后还是少玩游戏，多去做些有趣的事情吧，免得费时费力还不开心。1、 循环神经网络（RNN：Recurrent Neural Network）序列模型（sequence model）：处理语言和音视频等前后相互关联的数据。和CNN卷积模型处理相对独立的输入和输出不同，序列模型处理的是具有较强相关性的连续序列。序列...
2018-03-26 23:09:57
761
原创 吴恩达深度学习笔记五：卷积神经网络 人脸识别和风格迁移部分
1、人脸识别人脸验证（Face Verification）：输入图片和模板图片是否为同一人，一对一问题。 人脸识别（Face Recognition）：输入图片，检测是否为多个模板图片中的一个，一对多问题。一般来说，人脸验证由于范围较小难度较小，而人脸识别需要进行一对多的比对难度较大准确率也较低。One-Shot Learning： 由于人脸数据库的容量 K 并不固定，如果使用以前的...
2018-03-23 22:26:50
823
原创 吴恩达深度学习笔记四：卷积神经网络 基础和目标检测部分
1、卷积神经网络（CNN：Convolutional neural network）：卷积运算：矩阵对应位元素相乘然后相加，主要作用是特征提取和减少参数。深度学习中使用的是“互相关”卷积，即不进行偏转的卷积。滤波器（fliter）:也叫“核（kernel）”，使用具有不同参数的滤波器可以检测图片中 垂直、水平边缘等 特征。两个重要的特征，可以有效解决计算机视觉等存在的参数过多速度慢...
2018-03-20 09:45:51
996
原创 吴恩达深度学习笔记三：结构化机器学习项目
1、正交化正交化：每次调整对某一性能进行针对性调试和优化，更快地发现影响效应，从而进行综合性的优化。一个好的模型最好能够同时在训练集，验证集，测试集和实际应用中表现良好，如果： 情况 解决办法 在训练集上表现不好 尝试更大的神经网络或者使用更好的优化算法（如Adam） 在验证集上表现不好 尝试获取更多的训练数据或者加入正则化 在测试集上表现...
2018-03-16 22:02:13
909
原创 吴恩达深度学习笔记二：超参数调试、正则化以及优化
第一周 深度学习的实用层面 1. 数据集划分训练集：用以对算法进行训练，更新参数。 验证集：用以训练过程检验模型和数据的拟合程度，可省略 测试集：训练完成后评估模型所用的数据集划分：1、无验证集时，训练集：测试集 = 7：3 2、训练集：验证集：测试集 = 6：2：2 2. bias-variance， 偏差和方差偏差bias：描述模型对训练集的拟...
2018-03-12 22:25:22
3158
原创 吴恩达深度学习笔记一：神经网络和深度学习
1. 梯度下降中的一些计算 第一个框：logistic回归方程的代价函数的导数dj/dz 可认为是a-y 第二个框：前一级变量的导数为后一级变量导数乘以其系数。 另外求dZ和dA不需要进行 ”/m” 操作# dA/dA_pre = ...
2018-03-01 16:05:02
532
吴恩达 yolo.h5
2018-03-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人