![](https://img-blog.csdnimg.cn/20190927151043371.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 90
吴恩达深度学习笔记
开始King
这个作者很懒,什么都没留下…
展开
-
NLP基础模型和注意力机制
吴恩达深度学习c5,第三周原创 2023-06-05 09:13:30 · 899 阅读 · 0 评论 -
深度学习-吴恩达(C5)训练词向量
NLP中训练词向量原创 2023-01-26 20:20:36 · 911 阅读 · 0 评论 -
吴恩达(Andrew Ng)深度学习课程笔记目录
吴恩达深度学习笔记目录原创 2022-12-26 20:55:01 · 1058 阅读 · 2 评论 -
深度学习-吴恩达(C3)结构化你的机器学习工程
结构化你的机器学习工程改变了深度学习的错误比如你分割数据的方法,分割成train,development(dev)或叫valid,test,所以最好的实践方法是什么?了解更多端对端的深度学习,进而了解到你是否需要使用它,这节课将分享了解到的所有热门领域的建立并改良很多深度学习问题原创 2022-12-26 20:02:42 · 1127 阅读 · 1 评论 -
神经网络优化
提升深度神经网络:超参数调节,正则化,优化原创 2022-12-12 23:06:55 · 1721 阅读 · 0 评论 -
卷积网络二:几个典型的卷积神经网络
介绍了几个典型的卷积神经网络,如残差网络,Inception网络原创 2022-12-06 22:59:56 · 666 阅读 · 0 评论 -
卷积神经网络三:目标检测和yolo算法
目标检测和yolo原理原创 2022-12-06 22:09:52 · 1137 阅读 · 0 评论 -
卷积神经网络四:人脸识别和风格变迁
本节主要介绍了人脸识别和像素风格变迁原创 2022-12-06 21:30:51 · 430 阅读 · 0 评论 -
RNN循环神经网络
循环神经网络介绍入门原创 2022-09-22 19:09:50 · 1119 阅读 · 1 评论 -
神经网络与深度学习四:建立多层的深层神经网络
吴恩达课程笔记原创 2022-05-18 20:35:00 · 1237 阅读 · 0 评论 -
神经网络与深度学习三:编写单隐层神经网络
三:编写单隐层神经网络1 神经网络概述这篇文章你会学到如何实现一个神经网络,在我们深入学习技术细节之前,现在先大概快速的了解一下如何实现神经网络,如果你对某些内容不甚理解(后面的文章中会深入其中的细节)上周我们讨论了logistic回归,一起了解了这个模型和下面这个流程图的联系这里面你需要输入特征x,参数w和b,用那些计算z,然后用z计算出 a,我们用a表示y^\hat{y}y^,接下来你就可以计算损失函数L,神经网络就是这个样子。之前提到过你可以把很多sigmoid单元堆叠起来构成一个神经原创 2022-04-26 21:17:58 · 2953 阅读 · 0 评论 -
神经网络与深度学习二:神经网络的基础编程
1 二分分类当你要构建一个神经网络,有些技巧是相当重要的,例如m个样本的训练集,你可能习惯性地使用一个for循环来遍历这m个样本,但事实上,实现一个神经网络如果你要遍历整个训练集并不需要直接使用for循环。还有就是神经网络的计算过程中通常有一个正向过程或者叫正向传播步骤,接着会有一个反向步骤,也叫反向传播步骤,下面会介绍为什么神经网络的计算过程可以分为前向传播和反向传播两个分开的过程,接下来会用logistic回归来阐述以便于更好的理解logistic回归是一个用于二分分类的算法,下面看一个例子计算原创 2022-04-13 21:41:16 · 1371 阅读 · 1 评论 -
神经网络与深度学习一 :介绍深度学习
也许你们已经知道了深度学习改变了传统互联网业务,例如网络搜索和广告,但深度学习也同时使得许多新产品和企业以很多方式帮助人们,深度学习做的非常好的一个方面就是读取X光图像,到生活中的个性化教育,到精准化农业,甚至到驾驶汽车以及一些其他方面1 什么是神经网络从一个房价预测的例子开始,假设有六间房屋的数据集,已知房屋的面积,价格。想要找到一个函数根据房屋的面积预测房屋的价格你可能会想到用一条直线拟合这些样本但是价格不会有负值,所以直线不太适合,它最后会让价格为负,我们让它弯曲一点,结束于0图中的蓝线原创 2022-04-04 19:46:18 · 2098 阅读 · 0 评论 -
pytorch实战
pytorch实战anaconda历史版本1 pytorch安装1换源教程找到C:\Users\用户名下的这个文件.condarc文件,更换一下内容ssl_verify: trueshow_channel_urls: true channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/ma原创 2022-03-25 12:51:42 · 4711 阅读 · 0 评论 -
np.pad函数在卷积神经网络的使用方法
np.pad主要就是三个参数array 需要填充的数组pad_width 是填充的形状mode 填充的方法举个例子就清楚了arr1=np.array([1,1,1])np.pad(arr1,(3,4),'constant') #constant的缺省值为0 前面填充3位,后面填充4位。mode还有一些其他的模式‘edge’:用数组的边缘值填充。‘maximum’ ‘mean’ ‘median’ ‘minimum’ 最大值,均值,中位数,最小值用的不多,这里原创 2022-03-21 16:52:29 · 4952 阅读 · 1 评论 -
卷积神经网络
卷积神经网络1 介绍1 图像分类给一张照片,识别图中物品的类别2 目标检测一张图中有多个物体,不仅要识别出是什么,还要识别出它们所在的位置3 图像风格的变迁计算机视觉,神经网络处理图像时参数会非常的多1000*1000的图形如果有第一个隐藏层有1000个神经元,如果是全连接的情况下就会有的数据量,W1=1000∗3mW_1=1000*3mW1=1000∗3m也就是30亿个参数,如此多的参数有可能会过拟合,而且巨大的内存需求让人无法接受。因此需要进行卷积操作2 卷积运算首原创 2022-03-20 15:22:21 · 5056 阅读 · 1 评论