吴恩达
文章平均质量分 82
haoyutiangang
这个作者很懒,什么都没留下…
展开
-
吴恩达Coursera深度学习课程 deeplearning.ai (1-1) 深度学习概论--课程笔记
相关课件:https://download.csdn.net/download/haoyutiangang/10369605什么是神经网络神经网络: 参考人体神经传播的神经元,每个神经元有多个树突输入和一个轴突输出,彼此传递信息。层次(Layer): 神经网络分为输入层(一个),隐藏层(多个)和输出层(一个),通常我们说 n 层神经网络指的是隐藏层的个数加上输出层,而不包括输入...原创 2018-04-23 23:11:15 · 674 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-2) 深度卷积网络--编程作业
Part 1:Keras tutorial - the Happy House第二周的第一个作业学习使用 Keras Keras是一个高层神经网络API,Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。尝试如何在数小时内搭建一个深度学习算法为什么要使用Keras ?可以让深度学习工程师快速搭建和试验不同的模型。比TensorFlo...原创 2018-07-12 08:24:33 · 1072 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-4) 人脸识别和神经风格转换--课程笔记
Part 1:人脸识别4.1 什么是人脸识别?人脸验证: 输入图片,验证是不是 A人脸识别: 有一个库,输入图片,验证是不是库里的一员 人脸识别难度更大,要求准确率更高,因为1%的人脸验证错误在人脸识别中会被放大很多倍。4.2 One-Shot 学习对于人脸识别系统,通常我们数据库里仅存储着每个人的一张照片,我们需要用这一张照片来实现该人的识别,这个问题就是on...原创 2018-07-18 08:34:40 · 732 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-1) 循环序列模型--课程笔记
1.1 为什么选择序列模型序列模型的应用语音识别:将输入的语音信号直接输出相应的语音文本信息。无论是语音信号还是文本信息均是序列数据。音乐生成:生成音乐乐谱。只有输出的音乐乐谱是序列数据,输入可以是空或者一个整数。情感分类:将输入的评论句子转换为相应的等级或评分。输入是一个序列,输出则是一个单独的类别。DNA序列分析:找到输入的DNA序列的蛋白质表达的子序列。机器翻译:两种不...原创 2018-07-24 08:55:03 · 682 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-1) 循环序列模型--编程作业(一):构建循环神经网络
Part 1: 构建神经网络欢迎来到本周的第一个作业,这个作业我们将利用numpy实现你的第一个循环神经网络。循环神经网络(Recurrent Neural Networks: RNN) 因为有”记忆”,所以在自然语言处理(Natural Language Processing) 和其他序列化任务中非常有效。RNN每次读取序列中的一个输入x<t>x<t>x^{} (...原创 2018-07-24 09:10:01 · 2092 阅读 · 1 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-3) 目标检测--课程笔记
3.1 目标定位图片检测问题分类问题:判断图中是否为汽车;目标定位:判断是否为汽车,并确定具体位置(框起来);目标检测:检测不同物体并定位。图片定位的神经网络结构假设我们要定位图片中:行人,汽车,摩托以及背景(没有符合条件的)并定位。假设每张图片上只能出现一个目标。标记四类存在与否,定位需要定位目标中心坐标(b_x, b_y)以及图片的高度(b_h)和宽度...原创 2018-07-13 08:24:22 · 989 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-1) 循环序列模型--编程作业(二):字母级别的语言模型 - 恐龙岛
Part 2:字母级别的语言模型 - 恐龙岛欢迎来到恐龙岛! 6500万年前,恐龙就存在了。在这项任务中他们又回来了。 现在你负责一项特殊任务。领先的生物学研究人员正在创造新的恐龙种类并将它们带到地球上,您的工作就是为这些恐龙命名。如果一只恐龙不喜欢它的名字,它可能会被人误认,所以请明智地选择!幸运的是,你已经学会了一些深度学习,你会用它来拯救这一天。 你的助手收集了他们可以找到的所有...原创 2018-07-25 09:20:53 · 1650 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-1) 循环序列模型--编程作业(三):利用LSTM即兴创作Jazz
Part 3: 利用LSTM即兴创作Jazz欢迎来到本周的最后一个作业!在这个作业中,你将利用LSTM建立一个生成音乐的模型。在作业的最后你将可以听到你自己的音乐。你将学会:在音乐生成中使用 LSTM利用深度学习生成你的 jazz 音乐导包from __future__ import print_functionimport IPythonimport s...原创 2018-07-25 09:32:33 · 2809 阅读 · 1 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-4) 人脸识别和神经风格转换--编程作业
Part 1:Happy House 的人脸识别本周的第一个作业我们将完成一个人脸识别系统。人脸识别问题可以分为两类:人脸验证: 输入图片,验证是不是A 1:1 识别举例:人脸解锁手机,人脸刷卡人脸识别: 有一个库,输入图片,验证是不是库里的一员 1:K 识别举例:员工门禁FaceNet 通过神经网络学习将图片编码为128维数字向量。通过比较两个128维向量的相似度来...原创 2018-07-20 08:33:45 · 5616 阅读 · 9 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-2) 自然语言处理与词嵌入--课程笔记
2.1 词汇表征前面内容中,我们直接使用英文单词来表征词汇,但是对于计算机来说,是无法直接认识单词的。为了让计算机能够能更好地理解我们的语言,建立更好的语言模型。这就需要将词汇进行表征。下面是几种不同的词汇表征方式。one-hot 表征利用one-hot向量,将单词表示为词典大小的向量,字典中对应该单词的位置为1,其余位置为0。缺点:将每个词孤立了起来,泛化能力不强...原创 2018-07-26 09:03:45 · 1363 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-2) 自然语言处理与词嵌入--编程作业(一):词向量运算
Part 1: 词向量运算欢迎来到本周第一个作业。由于词嵌入的训练计算量庞大切耗费时间长,绝大部分机器学习人员都会导入一个预训练的词嵌入模型。你将学到:加载预训练单词向量,使用余弦测量相似度使用词嵌入解决类别问题,比如 “Man is to Woman as King is to __”修改文字嵌入以减少他们的性别偏见导包import numpy as npf...原创 2018-07-26 09:13:13 · 1457 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-2) 自然语言处理与词嵌入--编程作业(二):Emojify表情包
Part 2: Emojify欢迎来到本周的第二个作业,你将利用词向量构建一个表情包。你有没有想过让你的短信更具表现力? emojifier APP将帮助你做到这一点。 所以不是写下”Congratulations on the promotion! Lets get coffee and talk. Love you!” emojifier可以自动转换为 “Congratulations...原创 2018-07-26 09:20:38 · 1767 阅读 · 1 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-3) 序列模型和注意力机制--课程笔记
3.1 基础模型sequence to sequencesequence to sequence:两个序列模型组成,前半部分叫做编码,后半部分叫做解码。用于机器翻译。 image to sequencesequence to sequence:一个卷积神经网络和一个序列模型组成,前半部分叫做编码,后半部分叫做解码。用于图片描述。 3.2 选择最可能的句子语言模型:...原创 2018-07-27 09:15:43 · 723 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-3) 序列模型和注意力机制--编程作业(一):机器翻译
Part 1: 机器翻译欢迎来到本周第一个作业。你将建立一个将人类可读日期(“2009年6月25日”)转换为机器可读日期(“2009-06-25”)的神经机器翻译(NMT)模型。 你将使用注意力机制来执行此操作,这是模型序列中最尖端的一个序列。导包from keras.layers import Bidirectional, Concatenate, Permute, Dot,...原创 2018-07-27 09:37:44 · 2075 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (5-3) 序列模型和注意力机制--编程作业(二):触发字检测
Part 2: 触发字检测关键词语音唤醒触发字检测欢迎来到这个专业课程的最终编程任务!在本周的视频中,你了解了如何将深度学习应用于语音识别。在本作业中,您将构建一个语音数据集并实现触发字检测算法(有时也称为关键字检测或唤醒检测)。触发字检测技术,可以让亚马逊Alexa,Google Home,Apple Siri和百度DuerOS等设备在听到某个词语时进行唤醒。本练习中,我...原创 2018-07-27 09:49:50 · 3558 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-2) 深度卷积网络:实例探究--课程笔记
2.1 为什么要进行实例探究神经网络有些是相通的,学习人是如何构建神经网络的,对自己也是一个提升。经典神经网络 LeNet-5AlexNetVGGResNetInception2.2 经典网络经典卷积神经网络:LeNet, AlexNet, VGGNetLeNet-5LeNet-5主要是针对灰度设计的,所以其输入较小,为32×32×1,其结构如下:...原创 2018-07-10 09:00:58 · 646 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-1) 卷积神经网络--编程作业
Part 1:卷积神经网络本周课程将利用numpy实现卷积层(CONV) 和 池化层(POOL), 包含前向传播和可选的反向传播。变量说明上标[l][l]^{[l]} 表示神经网络的第几层上标(i)(i)^{(i)} 表示第几个样本上标[i][i]^{[i]} 表示第几个mini-batch下标 ii_i 表示向量的第几个维度nHnHn_H, nWnWn_W, nCnCn...原创 2018-07-03 09:13:21 · 3037 阅读 · 1 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (4-1) 卷积神经网络--课程笔记
1.1 计算机视觉计算机视觉(Computer Vision)包含很多不同类别的问题,如图片分类、目标检测、图片风格迁移等等。对于小尺寸的图片,例如 64 * 64, 我们输入数据的维度为 64 * 64 * 3 = 12288,可以用全连接神经网络进行学习。对于稍大的图片,例如 1000 * 1000, 输入数据的维度1000 * 1000 * 3 = 3000000, 如果第一个隐...原创 2018-07-03 08:56:56 · 642 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-1) 深度学习概论--编程作业
作业原创 2018-04-23 23:27:11 · 632 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-2) 神经网络基础--课程笔记
相关课件:https://download.csdn.net/download/haoyutiangang/10369622本周课程主要讲的是逻辑回归,因为之后的神经网络模型和逻辑回归类似。二分分类比如用多张图片训练来预测图片中是否有猫。符号表示:单个样本: (x, y)样本数量: m第 i 个样本: x^(i) 训练集: m = m_train测试集: m ...原创 2018-04-23 23:45:58 · 573 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-2) 神经网络基础--编程作业
可执行源码:https://download.csdn.net/download/haoyutiangang/10369625Part 1: Python 基础工具包 Numpy1 用numpy实现基本方法1.1 sigmoid 方法 与 np.exp()利用 np.exp() 方法实现sigmoid方法sigmoid(t)=11+e−t−−−−−−−−...原创 2018-04-23 23:54:08 · 1161 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-3) 浅层神经网络--课程笔记
相关课件:https://download.csdn.net/download/haoyutiangang/10369626神经网络表示Z = WX + ba=Ŷ&amp;nbsp;=sigmoid(Z)a=Y^=sigmoid(Z)a = \hat Y = sigmoid(Z) 有时把输入 X 表示为 a[0]上标中括号表示第几层(不算输入层) a[1], a[2]上标小括...原创 2018-04-25 09:29:36 · 512 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-3) 浅层神经网络--编程作业
可执行源码:https://download.csdn.net/download/haoyutiangang/10369628一个隐含层的数据分类1 导包numpy: 科学计算sklearn: 数据挖掘和数据分析matplotlib: 画图testCases_v2: 评估方法正确性的例子planar_utils:本文的一些有用的方法# Package i...原创 2018-04-25 09:32:21 · 1035 阅读 · 1 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-4) 深层神经网络--课程笔记
相关课件:https://download.csdn.net/download/haoyutiangang/10369632深层神经网络深层神经网络就是有更多个隐藏层的神经网络 矩阵的维度矩阵维度和矩阵导数的维度一致X^{[l]}: (n^{[l]}, m)W^{[l]}: (n^{[l]}, n{[l-1]})dW^{[l]} = W^{[l]}...原创 2018-05-31 08:33:56 · 539 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (1-4) 深层神经网络--编程作业
可执行源码:https://download.csdn.net/download/haoyutiangang/10369640逐步建立深层神经网络1 导包numpy 科学计算matplotlib 画图dnn_utils 提供了一些有用的方法testCases 提供了相关方法的一些测试用例np.random.seed(1) 保持随机函数一致性import ...原创 2018-05-31 08:35:58 · 3695 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (2-1) 深度学习实践--课程笔记
2.1 训练 / 开发 / 测试集训练集:训练数据模型开发验证集:选择最好的模型无偏评估算法的运行状况数据划分比例 - 小数据量(10-10000):60/20/20 - 大数据量(1000000) : 98/1/1 - 超大数据量: 99.5/0.25/0.25 应该确保开发验证集与测试集来自同一分布。 在不需要无偏评估的时候可以没有测试集,只有训练集和开...原创 2018-05-31 21:20:26 · 531 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (2-1) 深度学习实践--编程作业
初始化一个好的初始化可以做到: - 梯度下降的快速收敛 - 收敛到的对训练集只有较少错误的值加载数据import numpy as npimport matplotlib.pyplot as pltimport sklearnimport sklearn.datasetsfrom init_utils import sigmoid, relu, compute_lo...原创 2018-05-31 21:23:35 · 1624 阅读 · 1 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (2-2) 优化算法--课程笔记
2.1 Mini-batch 梯度下降法原因: 大数据集时,执行一次循环时间很长,梯度下降很慢;mini-batch 是指将大数据集 n分成一系列小数据集m,每计算一个小数据集就执行一次梯度下降,这样一次大数据集的计算可以下降n/m 次,从而增加梯度下降的速度。执行一次小数据集为一次 mini-batch执行一次大数据集为一次 epochmini-batch 使用上角标{i}...原创 2018-06-23 21:36:36 · 569 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (2-2) 优化算法--编程作业
初始化导包import numpy as npimport matplotlib.pyplot as pltimport scipy.ioimport mathimport sklearnimport sklearn.datasetsfrom opt_utils import load_params_and_grads, initialize_parameters, ...原创 2018-06-23 21:55:34 · 742 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (2-3) 超参数调试、Batch 正则化和程序框架--课程笔记
3.1 调试处理参数少时网格点参数多时网络随机点定位小区域后再在小区域进行网络随机点3.2 为超参数选择合适的范围选择超参数时在一定范围内均匀随机取值,比如神经元节点个数,隐藏层的层数等有些超参数不适合均匀随机取值,我们需要做变换后再进行均匀随机取值,然后再变换回去,最常用的是指数变换和对数变换例如:学习率 αα\alpha 范围为0.0001,…,1 此时均匀随...原创 2018-06-24 16:53:44 · 354 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (2-3) TensorFlow Tutorial--编程作业
TensorFlow Tutorial1. 探索TensorFlow lib库导包import mathimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.python.framework import opsfrom...原创 2018-06-24 17:06:19 · 1761 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (3-1) 机器学习(ML)策略(1)--课程笔记
1.1 为什么是 ML 策略实践中优化深度学习模型的方法有好多种,应该如何抉择?1.2 正交化正交化: 一个维度做且只做一件事,各个维度相互独立,不影响其他维度做的事情。比如电视条件:有调节高度的按钮,宽度的按钮,旋转的按钮, 色彩的按钮,亮度的按钮,每个按钮负责一件事情,不会影响其他按钮调节的维度,使分析更为简单。监督学习模型中:系统在训练集上表现的好 否则...原创 2018-06-24 21:02:10 · 503 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai (3-2) 机器学习(ML)策略(2)--课程笔记
2.1 进行误差分析当我们在训练一个模型的时候,如一个猫和狗分类模型,最终得到了90%的精确度,即有10%的错误率。所以我们需要研究错误的占比来决定接下来改进的方向,才能更好地提升分类的精度。收集错误样例(100条错误数据即可)利用图表分析错误的类型和比例决定接下来的改进方向举例在开发集(测试集)中,获取大约100个错误标记的例子,并统计错误数据的类型和数量。修改...原创 2018-06-24 21:04:44 · 432 阅读 · 0 评论 -
吴恩达Coursera深度学习课程 deeplearning.ai 目录
第一部分 深度学习概论(1-1) 深度学习概论–课程笔记 (1-1) 深度学习概论–编程作业 (1-2) 神经网络基础–课程笔记 (1-2) 神经网络基础–编程作业 (1-3) 浅层神经网络–课程笔记 (1-3) 浅层神经网络–编程作业 (1-4) 深层神经网络–课程笔记 (1-4) 深层神经网络–编程作业 第二部分 深度学习及其优化(2-1) 深度学习实践–课程笔记 ...原创 2019-01-22 19:20:08 · 2604 阅读 · 0 评论