吴恩达 深度学习
文章平均质量分 95
骚火棍
这个作者很懒,什么都没留下…
展开
-
吴恩达 深度学习系列--卷积神经网络(Convolutional Neural Networks)-03(目标检测)
目标检测3.1 目标定位(Object localization)3.1.1概念3.1.2 监督学习任务定义目标标签y3.2 特征点检测(Landmark detection)3.3 基于滑动窗口的目标检测(Object detection based on sliding windows)3.4 滑动窗口的卷积实现(Convolutional implementation of sliding windows)参考连接:3.1 目标定位(Object localization)3.1.1概念首先原创 2021-04-21 15:04:08 · 799 阅读 · 0 评论 -
吴恩达 深度学习系列--卷积神经网络(Convolutional Neural Networks)-01
1.1 计算机视觉(Computer vision)略1.2 边缘检测示例(Edge detection example)-卷积运算是卷积神经网络最基本的组成部分,使用边缘检测作为入门样例。以下图作为示例:![在这里插入图片描述]httpsadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0dhbGVuX3hpYQ==,size_16,color_FFF...原创 2020-02-22 00:54:12 · 451 阅读 · 0 评论 -
吴恩达 深度学习系列--结构化机器学习项目(Structuring Machine Learning Projects)(ML strategy(2))--08
1.1 进行误差分析(Carrying out error analysis)进行错误分析,你应该找一组错误样本,可能在你的开发集里或者测试集里,观察错误标记的样本,看看假阳性(false positives)和假阴性(false negatives),统计属于不同错误类型的错误数量。在这个过程中,你可能会得到启发,归纳出新的错误类型,就像我们看到的那样。如果你过了一遍错误样本,然后说,天啊,...原创 2020-01-06 16:00:43 · 345 阅读 · 0 评论 -
吴恩达 深度学习系列--结构化机器学习项目(Structuring Machine Learning Projects)(ML strategy(1))--07
1.1为什么是ML策略?(Why ML Strategy?)如何构建你的机器学习项目也就是说机器学习的策略。如何更快速高效地优化你的机器学习系统。那么,什么是机器学习策略呢?[外链图片转存失败,源站可能有防盗]https://!链机制,建议将(imbo4K5log.csdnimg.cn/219122v940O72967.jpg?x-oprocess=image/watermark1(ttps...原创 2019-12-23 15:37:10 · 481 阅读 · 0 评论 -
吴恩达 深度学习系列--改善深层神经网络(3、超参数调试、Batch正则化和程序框架)--06
1.调试处理(Tuning process)调参优先级(红色>橙色>紫色)如何做:(1)随机取值;(2)由粗糙到精细3.2为超参数选择合适的范围(Using an appropriate scale to pick hyperparameters)**1.搜索超参数α:**假设你在搜索超参数α(学习速率),假设你怀疑其值最小是0.0001或最大是1。如果你画一条从0.00...原创 2019-12-16 10:52:27 · 495 阅读 · 0 评论 -
吴恩达 深度学习系列--改善深层神经网络(2、优化算法)--05
改善深层网络之优化算法Mini-batch 梯度下降(Mini-batch gradient descent)概念说明:随机梯度下降(Stochastic gradient descent):单个样本;Batch 梯度下降(Batch gradient descent):所有样本;Mini-batch 梯度下降(Mini-batch gradient descent):介于单个样本和所有样本...原创 2019-12-01 12:47:32 · 572 阅读 · 0 评论 -
吴恩达 深度学习系列--改善深层神经网络(1、深度学习使用层面)--04
改善深层网络之深度学习使用层面1- 训练集、验证集、测试集的数据分配问题(Train/Dev/Test sets):(1)数据较少时,可以按照7/3划分(没有验证集),或者是6/2/2划分,机器学习领域内普遍认可这种划分。(2)如果数据很多,达到十万百万级,可以按照98/1/1,或者验证集和测试集更小也是可以的。2- 偏差与方差(Bias/Variance):(1)偏差(bias):偏差...原创 2019-11-10 14:08:39 · 527 阅读 · 0 评论 -
如何确定神经网络中,各种参数的尺度
原创 2019-11-09 19:36:53 · 862 阅读 · 0 评论 -
吴恩达 深度学习系列--深层神经网络-03
吴恩达 深度学习系列–深层神经网络前向传播:反向传播:整个前向传播与反向传播的过程:如何搭建深度神经网络:原创 2019-11-07 21:29:17 · 450 阅读 · 0 评论 -
吴恩达 机器学习、深度学习全套笔记
突然发现的好东西:机器学习课程地址:https://www.coursera.org/course/ml笔记地址:http://www.ai-start.com/ml2014/深度学习课程地址:https://mooc.study.163.com/university/deeplearning_ai#/c笔记地址:http://www.ai-start.com/dl...转载 2019-11-07 20:33:41 · 534 阅读 · 0 评论 -
吴恩达 深度学习系列--浅层神经网络-02
吴恩达 深度学习系列–浅层神经网络单隐层神经网络的前向传播、反向传播以及梯度更新以下面的单隐层神经网络为例子,公式推导如下:公式推导参考借鉴了:浅层神经网络:反向传播公式推导单个样本:m个样本:python伪代码:不同的激活函数不同激活函数对比:添加链接描述全0初始化问题权重参数全部初始化为0,梯度下降算法将不会起到任何作用。无论我们隐藏层神经元有多少个,由于权重的...原创 2019-10-27 16:53:05 · 473 阅读 · 0 评论 -
深度学习之Logistic Regression的前向传播,反向传播以及梯度更新计算
深度学习之Logistic Regression的前向传播,反向传播以及梯度更新计算单个样本的计算:批量样本的计算的矩阵形式:原创 2019-10-09 23:11:16 · 1241 阅读 · 0 评论 -
吴恩达 深度学习系列--神经网络基础(Logistic Regression)-01
在这里插入代码片@TOC吴恩达 深度学习系列–神经网络基础LOGISTIC REGRESSIONlogistic回归的因变量可以是二分非线性差分方程类的,也可以是多分类的,但是二分类的更为常用,也更加容易解释。所以实际中最为常用的就是二分类的logistic回归。激活函数(activation function)**Logistic Regression**采用的激活函数是sigmoi...原创 2019-10-08 10:40:40 · 514 阅读 · 0 评论