吴恩达深度学习课程第四课2.1-2.6学习笔记

最新推荐文章于 2024-08-08 18:22:07 发布
最新推荐文章于 2024-08-08 18:22:07 发布
阅读量73 收藏
点赞数
文章标签： 网络 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41883520/article/details/119170739
版权

7月28日学习笔记

经典网络

LeNet-5
在这里插入图片描述

AlexNet
在这里插入图片描述

VGG-16
在这里插入图片描述

残差网络

Resnet将信息直接传到神经网络最深层
增加捷径，构成一个残差块
在这里插入图片描述

在这里插入图片描述
创建残差网络可以提升网络性能

1x1卷积

在这里插入图片描述

压缩nC的方法，也就是压缩通道数。
它给神经网络添加了一个非线性函数，从而减少或保持输入层中的信道数量不变。

inception 网络

代替人工来确定卷积层中的过滤器类型或者确定是否需要创建卷积层或池化层
在这里插入图片描述
可以给网络添加这些参数所有可能的值，然后把这些输出连接起来，让网络自己学习需要什么样的参数，采用哪些过滤器组合。
使用1x1卷积来构建瓶颈层，来降低计算成本。

juiceYi
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
吴恩达深度学习课程第一课第二周datasets和lr_utils
11-30
在吴恩达的深度学习课程中，第一课的第二周主要涵盖了如何使用数据集（datasets）和学习率调整工具（lr_utils）来构建逻辑回归模型，这个模型采用神经网络的思维方式。在这里，我们将会深入探讨这两个关键概念以及...
吴恩达老师的深度学习课程第一课第四周作业
01-15
通过吴恩达老师的深度学习课程第一课第四周的作业，学员不仅能掌握深度学习的基本概念，还能提升编程技能，学习如何利用Python和相关库构建有效的深度学习模型。同时，良好的编程习惯也是这个阶段需要重视和培养的...
吴恩达（Andrew Ng）深度学习课程笔记目录
m0_52118763的博客
12-26 1065
吴恩达深度学习笔记目录
深度学习吴恩达笔记---神经网络和深度学习
weixin_53817810的博客
12-27 226
【神经网络与深度学习】笔记 ——邱锡鹏著【神经网络与深度学习】笔记 ——邱锡鹏著
深度学习入门首推资料--吴恩达深度学习全程笔记分享
qq_41590635的博客
04-10 4653
本文首发于微信公众号“StrongerTang”，可打开微信搜一搜，或扫描文末二维码，关注查看更多文章。 原文链接：(https://mp.weixin.qq.com/s?__biz=Mzg3NDEzOTAzMw==&mid=2247483739&idx=1&sn=90a0ef1ff6c90514f397e9b6f3c74b83&chksm=ced41dadf9a3...
吴恩达深度学习课程笔记Lesson06
智潮先锋聚集地
07-19 823
本周将学习优化算法，这能让你的神经网络运行得更快。机器学习的应用是一个高度依赖经验的过程，伴随着大量迭代的过程，你需要训练诸多模型，才能找到合适的那一个，所以，优化算法能够帮助你快速训练模型。其中一个难点在于，深度学习没有在大数据领域发挥最大的效果，我们可以利用一个巨大的数据集来训练神经网络，而在巨大的数据集基础上进行训练速度很慢。因此，你会发现，使用快速的优化算法，使用好用的优化算法能够大大提高你和团队的效率，那么，我们首先来谈谈mini-batch梯度下降法。你之前学过，向量化能够让你有效地对所有mmm
吴恩达深度学习课程笔记Lesson09
智潮先锋聚集地
07-23 834
深度学习中最令人振奋的最新动态之一就是端到端深度学习的兴起，那么端到端学习到底是什么呢？简而言之，以前有一些数据处理系统或者学习系统，它们需要多个阶段的处理。那么端到端深度学习就是忽略所有这些不同的阶段，用单个神经网络代替它。我们来看一些例子，以语音识别为例，你的目标是输入xxx，比如说一段音频，然后把它映射到一个输出yyy，就是这段音频的听写文本。所以传统上，语音识别需要很多阶段的处理。首先你会提取一些特征，一些手工设计的音频特征，也许你听过MFCC。
吴恩达深度学习课程笔记Lesson11
智潮先锋聚集地
07-29 305
构建卷积层时，你要决定过滤器的大小究竟是1×1（原来是1×3，猜测为口误），3×3还是5×5，或者要不要添加池化层。而Inception网络的作用就是代替你来决定，虽然网络架构因此变得更加复杂，但网络表现却非常好，我们来了解一下其中的原理。例如，这是你28×28×192维度的输入层，Inception网络或Inception层的作用就是代替人工来确定卷积层中的过滤器类型，或者确定是否需要创建卷积层或池化层，我们演示一下。
吴恩达深度学习课程第五课笔记——序列模型
solejay
04-27 1937
文章目录第五门课 序列模型 (Sequence Models)第一周 循环序列模型（Recurrent Neural Networks）1.1 为什么选择序列模型？（Why Sequence Models?）1.2 数学符号（Notation）1.3 循环神经网络模型（Recurrent Neural Network Model）1.4 通过时间的反向传播（Backpropagation thro...
吴恩达深度学习课程第三课笔记——结构化机器学习项目
solejay
04-27 644
文章目录第三门课 结构化机器学习项目（Structuring Machine Learning Projects）第一周 机器学习（ML）策略（1）（ML strategy（1））1.1 为什么是 ML 策略？（Why ML Strategy?）1.2 正交化（Orthogonalization）1.3 单一数字评估指标（Single number evaluation metric）1.4 满足...
【深层神经网络实战代码】识别猫 吴恩达深度学习笔记
weixin_51596276的博客
03-24 976
本文意在对深层神经网络图像（猫）识别流程及细节进行总结和记录，对所学内容进行总结，即吴恩达深度学习第四周课后作业内容，完整代码附在博文资源内。
吴恩达老师的深度学习课程第4课第4周作业part1
04-20
在第四课的第四周，我们将深入探讨如何利用深度学习模型进行面部识别，这部分作业是“part1”，主要涉及到面部识别的代码实现。 面部识别的核心在于识别人脸图像中的特征，并将其转化为可比较的形式。在深度学习...
吴恩达深度学习课程第四课相关论文
03-20
这些文件是吴恩达教授深度学习课程第四课中提到的一些重要论文，涵盖了深度学习在图像识别、理解与分割领域的前沿进展。以下是对这些论文的详细解读： 1. **L4W403.Visualizing and Understanding Convolutional ...
【随笔】VRRP+MSTP
weixin_41997073的博客
08-06 407
VRRP 使用选择策略从路由器组中选出一台作为主控，负责 ARP 响应和 IP 数据包转发，组中的其他路由器作为备份的角色处于待命状态。当主控空路由发生故障时，备份路由器能在几秒的时间延后升级的主路由器。一个VRRP组中只能由一台处于主控角色的路由器，可以有一个或多个备份角色的路由器。开销值越低，表示该链路的传输速度越快，路由器会优先选择这些链路进行数据传输。抢占模式的意义, 当 R1 路由器中断又恢复后，则恢复 R1 的主导地位。设计采用主备模式，将VRRP组内多个路由设备都映射为一个虚拟路由设备。
如何计算UDP校验和
ZhongUncle的博客
08-07 956
在了解 UDP 校验和的时候，发现资料很少，如果看教材的话，一定看到过下面这两张图，但是又看不懂，加上解释之后也难懂：本文先说具体怎么算的，再说一些细节，过程中顺带解释一下这两个图（第一张图是布局情况，第二张图是解释如何计算的）。
网络药理学：autodock tool（mgltools）实现大分子蛋白（PDB ID已知）和小分子配体的分子快速实践流程总结
最新发布
zhiaidaidai的博客
08-08 193
这里是快速实践的流程总结版（正文步骤都需要在中进行）。pocasaPDB。
如何提前预防网络威胁
dexun123的博客
08-06 730
这场攻击规模空前，据官方数据，受影响的服务器数量飙升至3800余台，波及范围广泛，尤以美、加、法、德等国的企业为重灾区。态势感知，作为一种根植于环境、动态且全局性的安全风险洞察能力，其核心在于运用安全大数据的浩瀚资源，从宏观视角深化对安全威胁的发现、理解、分析及响应能力，最终引领至精准的安全决策与行动。态势感知强调对网络安全态势的全方位、实时、动态监控与评估，旨在于攻击链条的每一个细微环节捕捉异常，无论是情报搜集的微妙动作，还是攻击尝试的初步试探，乃至数据窃取与情报回传的隐蔽行动，都难逃其敏锐的“法眼”。
SpringCloud入门简介
敢问路在何方，路在脚下
08-06 442
SpringCloud是微服务治理方案之一；SpringCloud与SSM框架和SpringBoot没什么关联SSM：web应用的开发框架，包含视图层（模型model+视图view+控制器controller），业务层，持久层SpringBoot：简化SSM的配置，同时提供构建项目的脚手架。
吴恩达深度学习课程笔记：从基础到优化策略【KCBJ-SDXX-WED】
"这是一份基于吴恩达的深度学习课程的笔记，编号为KCBJ-SDXX-WED-005，由许鹏整理，涵盖了从2.1到2.11的多个关键知识点，包括逻辑回归、神经网络、深度学习的实用技巧、正则化方法、数据预处理、权重初始化、梯度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值