Deep Learning
puran1218
这个作者很懒,什么都没留下…
展开
-
13 人脸识别和神经风格转换 - 卷积神经网络 [Deep Learning Specialization系列]
本文对人脸识别和神经风格转换进行了描述,包含人脸验证、人脸识别、One Shot Learning、Siamese Network、Triplet Loss和神经风格转换的代价函数原创 2020-04-05 18:08:52 · 269 阅读 · 0 评论 -
12 图像识别 - 卷积神经网络 [Deep Learning Specialization系列]
主要是在图像分类的基础上,今一定定位出对象的位置并输出,已完成图像识别。介绍了滑动窗口检测及其卷积运算、YOLO算法、IoU、Anchor box和R-CNN算法。原创 2020-04-04 15:27:08 · 294 阅读 · 0 评论 -
11 经典卷积神经网络 - 卷积神经网络 [Deep Learning Specialization系列]
经典的神经网络案例分析,包括LeNet、AlexNet、VGG、ResNet和GoogLeNet原创 2020-04-03 00:01:29 · 369 阅读 · 0 评论 -
10 卷积神经网络练习 - 卷积神经网络 [Deep Learning Specialization系列]
本文主要是通过NumPy来一步步实现卷积运算(Convolutional layer)和池化运算(Pooling layer)部分原创 2020-03-27 00:50:46 · 1284 阅读 · 0 评论 -
09 卷积神经网络 - 卷积神经网络 [Deep Learning Specialization系列]
本文是以计算机视觉为应用来对卷积神经网络做了一个全面的剖析,内容包括边缘检测、滤波器、填充、步长、池化、卷积运算中的参数和完整的卷积神经网络原创 2020-03-25 00:01:01 · 226 阅读 · 0 评论 -
08 深度神经网络实践 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文从0开始一步一步实现了深度神经网络原创 2020-03-21 00:53:26 · 180 阅读 · 0 评论 -
07 深度神经网络 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文学习了深度神经网络(L层),并将正向传播和反向传播以block的方式串联起来,让每个步骤更加清晰,最后还谈及了超参数的概念。原创 2020-03-20 01:07:39 · 193 阅读 · 0 评论 -
06 两层神经网络练习 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文以二值分类为例实现了2层神经网络,包括定义神经网络的结构、初始化模型的参数、正向传播计算、损失函数计算、反向传播计算、梯度递减法更新参数和构建完整模型并预测。原创 2020-03-14 00:11:09 · 442 阅读 · 0 评论 -
05 两层神经网络 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文对包含1层隐藏层的神经网络的正、反向传播过程中涉及到的公式进行了推导,还讨论了激活函数、参数的初始化等问题。原创 2020-03-08 22:45:37 · 7297 阅读 · 0 评论 -
04 基于神经网络的逻辑回归实现 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文以逻辑回归分类器来识别猫为例完整的实现了神经网络的算法,包括数据加载和处理、参数初始化、正反向传播、优化和预测。原创 2020-03-06 21:39:24 · 411 阅读 · 0 评论 -
03 神经网络的NumPy基础 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文主要是以深度学习中简单的一些函数为例,实践了NumPy函数原创 2020-03-03 10:30:40 · 211 阅读 · 0 评论 -
02 神经网络 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文简单描述了逻辑回归和二进制分类,损失函数、代价函数和梯度递减法,计算图、正向传播和反向传播,向量化等内容原创 2020-02-28 22:48:00 · 903 阅读 · 0 评论 -
01 深度学习介绍 - 神经网络和深度学习 [Deep Learning Specialization系列]
本文简单介绍了深度学习的基础-神经网络,监督学习及其应用,神经网络的类型,训练数据的类型原创 2020-02-28 20:08:39 · 500 阅读 · 0 评论 -
《深度学习入门》学习记录 Part4
重点学习了「卷积神经网络」原创 2020-01-10 00:53:22 · 920 阅读 · 1 评论 -
《深度学习入门》学习记录 Part3
复习了通过「数值微分」和「误差反向传播」两种方法来求解「梯度」的「神经网络的学习」,浏览了「与学习相关的技巧」,并学习了「卷积神经网络」。原创 2020-01-03 01:28:27 · 177 阅读 · 0 评论 -
《深度学习入门》学习记录 Part2
这周主要是学习了《深度学习入门》的第四、五章节,了解了损失函数、数值微分、梯度、计算图、误差反向传播法和「神经网络学习」的整个过程。原创 2019-12-27 01:18:35 · 253 阅读 · 0 评论 -
《深度学习入门》学习记录 Part 1
这周主要是学习了《深度学习入门》的前三个章节,了解了NumPy、感知机和神经网络,处理了MNIST (Modified National Institute of Standards and Technology)数据集。有两个感受:Python在进行数学运算时,能非常直观的将公式转换成代码,确实很方便、好用。神经网络或者人工智能需要比较好的数学基础,要达到「有感觉」确实是需要花时间和精力...原创 2019-12-21 00:52:18 · 129 阅读 · 0 评论