吴恩达深度学习第三单元

在这一周的学习中，主要讲解了一个深度学习任务的基础的一个参数的调整，以及数据训练集验证集和测试集的划分。之后用我们训练的模型的准确率和人自己标注的准确率来做对比，根据两者准确率的差距去改进模型。
3.2节中，解释了，什么叫正交化，就是每一个维度做且只做一件事，各个维度之间相互独立，互相不干扰。比如看电视，调节频道的按钮就不要调节声音。在监督学习模型中，可以判断模型在什么情况下运行的更好。（ps:这是说在其他情况下运行结果都比较优异的情况下）
1、如果在训练集上运行的不好，可以选择更好的优化算法，比如mumentum动量法、RMSprop、Adam。也可以使用更深的神经网络。
2、如果在验证集上运行的不好，可以选择正则化系统，或者使用更多的数据去训练我们的模型。
3、如果在测试集上运行的不好，可以选择使用更大的验证开发集
4、如果在真实的环境里运行的不好（比如我们自己制作的数据），可以修改开发测试集，或者修改代价函数。（要注意我们的数据和训练的数据都是同分布的）
3.3节中，主要是讲我们应该单一数字评估我们的模型。有很多评估的方法，比如查准率（precision）、查全率（recall）、F1值等（这是这节课老师提出来的三种，事实上还有其他好多，就不一一列举了）。在一次模型中，评价指标可以选几个，但是最终以一个为准比较好。比如，在查准率、查全率和F1值之间，以F1值为准。
3.4节中，主要讲满足优化指标。比如，给你一个任务，告诉你最重要的是准确率，那么我们可以更多的看重准确率，而不是运行时间或者其他的一些参数（这是指其他条件差距不大）。如果考虑N个指标，选择其中一个为优化指标，那么其他的都是满足指标。
3.5节讲的是训练集、开发集、测试集的划分。在选择开发集和测试集时要使二者来自同一分布，且从所有数据中随机选取。其实最好的，我们最后运行的，人为的数据也是同一分布的（但是挺难的）
3.6节讲的是训练集、开发验证集、测试集的大小。如果数据比较少的情况下（比如100-10000条数据），可以选择60/20/20；也可以选择70/30(没有验证集)。如果数据集比较大（比如有一百万条数据）可以采用98/1/1.对于验证集和测试集，有1万条数据就已经足够了。
3.7节讲的是什么时候我们应该改变我们的开发测试集的指标。

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。¹

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章