![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络学习
文章平均质量分 66
五十赫兹小透明
这个作者很懒,什么都没留下…
展开
-
【吴恩达深度学习课后作业】编程作业遇到的问题及解决办法(课程1)第二周
matplotlib作为Python中绘制图表的库;train_set_y和train_set_x_orig的含义;plt.imshow(train_set_x_orig[index])不显示图像;np.squeeze及utf-8的含义;代码报错“unexpected indent”;代码报错“SyntaxError: 'return' outside function”;Pycharm误删代码恢复方式原创 2022-05-24 16:55:59 · 486 阅读 · 0 评论 -
【吴恩达深度学习课后作业】有点意思的课程测验知识点(课程1)第三周、第四周
1. 进行编程练习或实现神经网络的logistic回归时,每次创建数组时将其定义为列向量或行向量,如a=np.randm.randn(5,1)或a=np.randm.randn(1,5)。如果不确定一个向量的具体维度,可以用assert( ) 进行声明。2. [1]、[2]样式的上标表示神经网络的不同层,(1)、(2)等则表示第 i 个训练样本。3. 经验法则:如果输出值是0或1的二元分类,那么sigmoid函数很适合作为输出层的激活函数,然后其他单元都用ReLU函数。4.A =原创 2022-05-17 12:06:29 · 282 阅读 · 0 评论 -
【吴恩达深度学习课后作业】有点意思的课程测验知识点(课程1)第一周、第二周
1.常用的激活函数及对应图像:(1)sigmoid函数 (2)tanh函数(3) ReLU函数 (4)Leaky ReLU函数2.监督式学习可分为结构化数据和非结构化数据。结构化数据指拥有数据的数据库;非结构化数据指音频、图像、文本信息等。图像领域利用卷积神经网络(CNN)序列数据(音频、语言等一维...原创 2022-05-17 11:07:57 · 191 阅读 · 0 评论 -
LeNet、AlexNet与VGGNet的学习笔记
发展顺序:LeNet-AlexNet-VGGNet因此,以LeNet为起始研究一些基本概念:特征映射(Feature map):为配合部分连接,卷积神经网络还运用了权值共享来减少参数数量。具体做法就是将卷积核在图片上移动(即移动卷积核的感受野)来计算出输出。卷积核(kernel):用于对输入图像进行共享权值的遍历;如果将图像每一个图像的每一个像素作为卷积输入层的元素,那么卷积核就相当与每个输入的权值,且有卷积核大小的一组输入使用同一组权值。步长(stride):卷积核是在图片上移动后遍历原创 2022-05-14 21:21:32 · 834 阅读 · 0 评论