- 博客(6)
- 收藏
- 关注
RSS订阅原创 吴恩达深度学习（四）之序列模型
序列模型第一周 循环序列模型基于词典的NLP中X和Y的字典表示：循环神经网络单向RNN参数表示前向传播通过时间的反向传播五种RNN结构模型构建(以文本判断为例)序列采样（看看模型对不对，常用于语句生成）基于词汇与基于字符的词典基本RNN在长依赖下的问题及梯度爆炸的解决方案GRU单元（解决梯度消失的问题）LSTM（另一种门控，优先选择）LSTM的反向传播双向RNN深层RNN代码第一周 循环序列模型基于词典的NLP中X和Y的字典表示：循环神经网络如果利用神经网络，1.TX未必等于TY（中英翻译）
2020-10-11 10:24:46
865
原创 基础Numpy总结
这是一个目录（后续我会继续补充）对axis的理解对shape的理解基础属性size itemsize shape ndim dtypenp.nan ,np .infZ.flags.writeablenp.newaxis(None)~初始化np.zeros(),np.ones()np.arange()np.eye()np.random.random()np.random.uniform（）np.random.randint（）np.random.choice（）np.random.rand()np.rando
2020-10-07 16:38:04
493
1
原创 吴恩达深度学习（三）之卷积神经网络
卷积神经网络卷积神经网络边缘检测卷积运算（垂直边缘检测为例）垂直与水平滤波器卷积下的滤波器设计无padding卷积的问题paddingvalidsame输出层维度计算公式使用奇数维度滤波器的原因卷积步长带步长的输出计算公式三维卷积（彩色图片）单层卷积网络的运作原理池化层最大池化平均池化池化参数与维度深度卷积神经网络代码卷积神经网络我们利用神经网络识别图像的时候，如果图像巨大，那么神经网络也会巨大，因此我们要利用卷积，去提取图片的更关键信息，来重新设计神经网络进行识别。边缘检测卷积运算（垂直边缘检测为
2020-10-02 15:58:33
485
原创 吴恩达深度学习（二）之改善深层神经网络：超参数调试、正则化以及优化
改善深层神经网络：超参数调试、正则化以及优化的目录第一周深度学习的实用层面训练集，交叉验证和测试集的比例选择偏差与方差检测规则种类正则化(解决 overfitting)正则化输入L1，L2正则化运用于逻辑回归（L1 AND L2）运用于神经网络（L2）L2正则化可以降低过拟合的原因dropout正则化流程dropout可以降低过拟合化的原因dropout使用dropout无法定义代价函数的解决方案data augmentationearly stopping步棸缺点梯度的消失与爆炸原由(这里解释清楚了为什么
2020-09-25 18:02:45
401
原创 吴恩达深度学习（一）之神经网络和深度学习
吴恩达深度学习（一）之神经网络和深度学习第一周 深度学习概论结构化与非结构化数据深度学习快速发展的三大原因联系方式第二周 神经网络基础神经网络矩阵设计准则逻辑回归定义法则代价函数梯度下降运作机制利用计算图计算逻辑回归的梯度下降单个训练样本多个训练样本非向量化（循环，能用向量就不用）向量化（要远快于循环)Python/Numpy 广播机制Python/Numpy 矩阵创建与维度验证准则代码第三周 浅层神经网络神经网络的表示神经网络前向传播的输出单个样本输入多样本输入激活函数种类激活函数对应的导数选择非线性激活
2020-08-30 21:21:16
585
原创 吴恩达机器学习笔记
吴恩达机器学习课程笔记基本概念监督学习线性回归模型表示代价函数梯度下降批量梯度下降特征缩放代码逻辑回归nihao功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入基本概念监督学习：监督学习指的就是我们给学习算法一个数据集。这个数据
2020-08-24 22:31:45
440
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人