神经网络
邵亮
这个作者很懒,什么都没留下…
展开
-
课程介绍
@(斯坦福李飞飞深度学习上课笔记) 课程介绍 内容主要来自于知乎 https://zhuanlan.zhihu.com/p/21930884 CS231n简介CS231n的全称是CS231n: Convolutional Neural Networks for Visual Recognition,即面向视觉识别的卷积神经网络。该课程是斯坦福大学计算机视觉实验室推出的课程。需要注意的是...转载 2018-08-02 13:46:47 · 519 阅读 · 0 评论 -
课程一 图像分类笔记
@(斯坦福李飞飞深度学习上课笔记) 课程一 图像分类笔记 该笔记是一篇介绍性教程,面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据驱动方法,内容列表: 1.图像分类、数据驱动方法和流程 2.Nearest Neighbor分类器 k-Nearest Neighbor 3.验证集、交叉验证集和超参数调参 4.Nearest Neighbor的优劣 5.小结 ...转载 2018-08-02 13:51:20 · 513 阅读 · 0 评论 -
课程二 线性分类
@(斯坦福李飞飞深度学习上课笔记) 课程二 线性分类 内容列表: 1.线性分类器简介 2.线性评分函数 3.阐明线性分类器 4.损失函数 4.1 多类SVM 4.2 Softmax分类器 4.3 SVM和Softmax的比较 5.基于Web的可交互线性分类器原型 6.小结 线性分类 上一篇笔记介绍了图像分类问题。图像分类的任务,就是从已有的固定分类标签...转载 2018-08-02 14:01:56 · 297 阅读 · 0 评论 -
课程三 最优化
@(斯坦福李飞飞深度学习上课笔记) 课程三 最优化 内容列表: 1.简介 2.损失函数可视化 3.最优化 3.1随机搜索 3.2随机局部搜索 3.3 跟随梯度 4.梯度计算 4.1使用有限差值进行数值计算 4.2微分计算梯度 5.梯度下降 6.小结 一. 简介 在上一节中,我们介绍了图像分类任务中的两个关键部分: 1.基于参数...转载 2018-08-02 14:04:24 · 593 阅读 · 0 评论 -
课程四 反向传播
@(斯坦福李飞飞深度学习上课笔记) 课程四 反向传播 内容列表: 1.简介 2.简单表达式和理解梯度 3.复合表达式,链式法则,反向传播 4.直观理解反向传播 5.模块:Sigmoid例子 6.反向传播实践:分段计算 7.回传流中的模式 8.用户向量化操作的梯度 9.小结 1. 简介 目标:本节将帮助读者对反向传播形成直观而专业的理解。反向传播是利用链式法则递归计算表达式的...转载 2018-08-02 14:06:39 · 387 阅读 · 0 评论 -
课程五 神经网络(一)
@(斯坦福李飞飞深度学习上课笔记) 课程五 神经网络(一) 内容列表: 1.不用大脑做类比的快速简介 2.单个神经元建模 2.1生物动机和连接 2.2作为线性分类器的单个神经元 2.3常用的激活函数 3.神经网络结构 3.1层组织 3.2前向传播计算例子 3.3表达能力 3.4设置层的数量和尺寸 4.小节 1. 快速简介 ...转载 2018-08-02 14:33:19 · 687 阅读 · 0 评论 -
课程六 神经网络(二)
@(斯坦福李飞飞深度学习上课笔记) 课程六 神经网络(二) 内容列表 1.设置数据和模型 1.1数据预处理 1.2权重初始化 1.3批量归一化(Batch Normalization) 1.4正则化(L2/L1/Maxnorm/Dropout) 2.损失函数 3.小结 1. 设置数据和模型 在上一节中介绍了神经元的模型,它在计算内积后进行非线...转载 2018-08-02 14:35:38 · 472 阅读 · 0 评论 -
课程七 神经网络(三)
@(斯坦福李飞飞深度学习上课笔记) 课程七 神经网络(三) 内容列表: 1. 梯度检查 2. 合理性(Sanity)检查 3. 检查学习过程 3.3 损失函数 3.4 训练集与验证集准确率 3.4 权重:更新比例 3.5 每层的激活数据与梯度分布 3.6 可视化 4. 参...转载 2018-08-02 14:42:47 · 799 阅读 · 0 评论 -
课程八 卷积神经网络
@(斯坦福李飞飞深度学习上课笔记) 课程八 卷积神经网络 内容列表 1. 结构概述 2. 用来构建卷积神经网络的各种层 2.1 卷积层 2.2 汇聚层 2.3 归一化层 2.4 全连接层 2.5将全连接层转化成卷积层 3.卷...转载 2018-08-02 15:01:02 · 839 阅读 · 0 评论