吴恩达深度学习作业
_helen_520
It's never too late to make a difference! Life is a possion process, accumulating thus jumping!
展开
-
吴恩达深度学习——第四课第二周《深度卷积网络:case study》
2.10数据增强更多的数据或充足的数据对于计算机视觉任务是有帮助的。但当前CV的主要问题是无法得到充足的数据,或者说对于CV任务而言数据远远不够。数据增强是重要的帮助手段,常用的数据增强方法如下:垂直镜像:左右翻转 随机裁剪:随机裁剪构成了很大一部分真实的图像,但也有可能随机裁剪的部分不含有目标,需要自行剔除。 旋转、剪切等扭曲变形和局部弯曲。实际中这种技巧较复杂,使用较少 颜色转换:给RGB三个通道加入不同的失真值 色调变化,可以产生不同的样本。 实践中,对RGB的变化是基于某些概率.原创 2020-06-05 10:03:07 · 423 阅读 · 0 评论 -
吴恩达深度学习——《卷积神经网络》
https://blog.csdn.net/red_stone1/article/details/78651063CV问题分为三类:图像分类、目标检测、神经风格迁移。1.为什么要使用CNN?因为全连接的输入层特征太多,3million的特征,难以找到这么多的数据量与之匹配,很难不过拟合。 那么该如何处理大尺寸的图像呢?——CNN使用传统神经网络处理机器视觉的一个主要问题是输入层维度很大。例如一张64x64x3的图片,神经网络输入层的维度为12288。如果图片尺寸较大,例如一张1000x10.原创 2020-05-27 18:23:46 · 634 阅读 · 0 评论 -
吴恩达深度学习课程3《构建机器学习项目》
https://blog.csdn.net/red_stone1/article/details/785195991.1 Why ML Strategy当我们最初得到一个深度神经网络模型时,我们可能希望从很多方面来对它进行优化,例如:收集更多的数据 收集更多多样化的训练数据 训练久一点 尝试不同的优化算法,如使用Adam取代梯度下降 尝试更大的神经网络 尝试更小的神经网络 ...转载 2020-05-06 18:02:42 · 710 阅读 · 0 评论 -
吴恩达深度学习课程2《优化神经网络》
转载和提炼自:https://blog.csdn.net/red_stone1/article/details/782088511.深度学习的实用层面如何有效的运作神经网络?超参数调优、如何构建数据、如何确保优化算法快速运行选择最佳的训练集(Training sets)、验证集(Development sets)、测试集(Test sets)对神经网络的性能影响非常重要。 除此之外...转载 2020-05-06 15:12:56 · 207 阅读 · 0 评论 -
吴恩达深度学习——资源汇总
1.吴恩达深度学习笔记提炼吴恩达深度学习专项课程链接向导为:完结篇 | 吴恩达deeplearning.ai专项课程精炼笔记全部汇总2.吴恩达深度学习作业提炼吴恩达深度学习第三周作业(Planar data classification with one hidden layer)吴恩达第四周作业(Building your Deep Neural Network - ...转载 2020-04-29 09:30:27 · 1624 阅读 · 0 评论 -
吴恩达深度学习作业week3
用一个隐藏层进行平面数据分类建立含有一个隐藏层的神经网络,这与前面的逻辑回归模型由很大的区别。具有单个隐藏层的二分类神经网络,使用非线性激活函数tanh,计算交叉entropy loss,实现前向传播和反向传播。(1)数据集:随机生成的,用sin和cos生成的400个样本,维度为2。x=(rsinθ,rcosθ),y=0 or 1. 调用sklearn的包使用简单的逻辑回归看一下,结果...原创 2020-04-21 17:43:19 · 684 阅读 · 0 评论 -
吴恩达深度学习作业 week2-作业1 & 作业2
资料:https://download.csdn.net/download/ccgcccccc/12126611课程作业,包括空白作业和自己完成的作业版本 Jupyter notebook入门教程(上)Jupyter notebook入门教程(下)test = "Hello World"print ("test: " + test)import numpy as np def...原创 2020-04-21 13:37:18 · 523 阅读 · 0 评论