机器学习目录

机器学习

参考文献
目录

一、吴恩达深度学习

二、Bubbliiiing的语义分割

习题

《神经网络与深度学习》	笔记列表
week1	深度学习引言(Introduction to Deep Learning)
week1传送门	1.1 欢迎(Welcome) 1.2 什么是神经网络？(What is a Neural Network) 1.3 神经网络的监督学习(Supervised Learning with Neural Networks) 1.4 为什么神经网络会流行？(Why is Deep Learning taking off?) 1.5 关于本课程(About this Course) 1.6 课程资源(Course Resources) 1.7习题
week2	神经网络的编程基础(Basics of Neural Network programming)
week2传送门	2.1 二元分类(Binary Classification) 2.2 逻辑回归(Logistic Regression) 2.3 逻辑回归的代价函数（Logistic Regression Cost Function） 2.4 梯度下降法（Gradient Descent） 2.5 导数（Derivatives） 2.6 更多的导数例子（More Derivative Examples） 2.7 计算图（Computation Graph） 2.8 使用计算图求导数（Derivatives with a Computation Graph） 2.9 逻辑回归中的梯度下降（Logistic Regression Gradient Descent） 2.10 m 个样本的梯度下降(Gradient Descent on m Examples) 2.11 向量化(Vectorization) 2.12 向量化的更多例子（More Examples of Vectorization） 2.13 向量化逻辑回归(Vectorizing Logistic Regression) 2.14 向量化 logistic 回归的梯度输出（Vectorizing Logistic Regression’s Gradient） 2.15 Python 中的广播（Broadcasting in Python） 2.16 关于 python _ numpy 向量的说明（A note on python or numpy vectors）参考视频： 2.17 Jupyter/iPython Notebooks快速入门（Quick tour of Jupyter/iPython Notebooks） 2.18 （选修）logistic 损失函数的解释（Explanation of logistic regression cost function）

语义分割
1	Pytorch 搭建自己的PSPNet语义分割平台