吴恩达
文章平均质量分 91
Liareee
这个作者很懒,什么都没留下…
展开
-
【Nan‘s 吴恩达深度学习笔记】第四课第三周 目标检测
【Nan‘s 吴恩达深度学习笔记】第四课第三周 目标检测3.1 目标定位(object localization)ClassificationObject localizationLoss function特征点检测(Landmark detection)目标检测(Object detection)滑动窗口的卷积实现(Convolutional implementation of sliding windows)Bounding Box 预测交并比(Intersection over union)非极大值抑原创 2020-12-03 20:50:08 · 482 阅读 · 1 评论 -
【Nan‘s 吴恩达深度学习笔记】第四课第一周 卷积神经网络
【Nan‘s 吴恩达深度学习笔记】第四课第一周 卷积神经网络 Convolutional Neural Networks1.1 计算机视觉(Computer vision)边缘检测垂直边缘过滤器选择PaddingValid卷积Same卷积步长(Stride)1.6 三维卷积1.7 单层卷积网络卷积层1.8 简单卷积网络1.9 池化层最大池化(max pooling)平均池化(Average pooling)小结卷积神经网络示例激活值形状卷积Convolution参数共享 Parameter sharing稀原创 2020-12-01 16:32:51 · 348 阅读 · 0 评论 -
【Nan‘s 吴恩达深度学习笔记】第二课第一周 深度学习的实践层面
【Nan‘s 吴恩达深度学习笔记】第二课第一周 深度学习的实践层面1.1 训练,验证,测试数据集(Train / Dev / Test sets)概念表示常用划分1.2 偏差,方差(Bias/Variance)机器学习基础方法1.4 正则化(Regularization)L2正则化正则化参数λWhy预防过拟合Dropout (随机失活)正则化工作原理实施方法why有效技巧其他正则化方法1.9 归一化输入(Normalizing inputs)1.10 梯度消失/梯度爆炸(Vanishing/Explodin原创 2020-11-30 16:47:14 · 264 阅读 · 0 评论 -
【Nan‘s 吴恩达深度学习笔记】第四周 深层神经网络
【Nan‘s 吴恩达深度学习笔记】第四周 深层神经网络浅层神经网络(Deep neural networks)小结核对矩阵的维数Why deep训练神经网络参数 vs 超参数( Parameters vs Hyper parameters)浅层神经网络(Deep neural networks)小结前向传播:反向传播:核对矩阵的维数维数:①????的维度是(下一层的维数,前一层的维数),即w[l]:(n[l],n[l−1]);w^{[l]}: (n^{[l]},n^{[l−1]});w[l原创 2020-11-29 17:14:38 · 186 阅读 · 0 评论 -
【Nan‘s 吴恩达深度学习笔记】第三周 浅层神经网络
【Nan‘s 吴恩达深度学习笔记】第三周 浅层神经网络浅层神经网络(shallow neural networks)3.2 神经网络表示3.3 神经网络输出计算3.4 多样本向量化3.6 激活函数(Activation Function)Why非线性激活函数激活函数的导数神经网络的梯度下降随机初始化浅层神经网络(shallow neural networks)3.2 神经网络表示输入层:输入特征????1、 ????2、 ????3,它们被竖直地堆叠起来;隐藏层:在训练集中看到他们,中间结点的准确原创 2020-11-29 16:03:19 · 173 阅读 · 0 评论 -
【Nan‘s 吴恩达深度学习笔记】第二周 神经网络&逻辑回归
【Nan‘s 吴恩达深度学习笔记】第一课 神经网络&逻辑回归神经网络(Neural Networks)提示2.1 二分类(Binary Classification)2.2 逻辑回归(Logistic Regression)损失函数(Loss/Error Function)代价函数(Cost Function)梯度下降算法的应用神经网络(Neural Networks)提示对于图像应用,我们经常在神经网络上使用卷积( Convolutional Neural Network),通常缩写为 CN原创 2020-11-27 22:24:18 · 251 阅读 · 0 评论 -
【Nan‘s 吴恩达机器学习笔记】第八、九章 神经网络
【Nan's 吴恩达机器学习笔记】第八、九章 神经网络神经网络(Neural Networks)8.1 非线性假设8.2 模型表示前向传播算法(Forward Propagation)8.3 逻辑运算8.4 多元分类9.1 代价函数9.2 反向传播算法(Back propagation)神经网络(Neural Networks)8.1 非线性假设假如我们只选用灰度图片,每个像素pixel则只有一个值,我们可以选取图片上的两个不同位置上的两个像素,然后训练一个逻辑回归算法利用这两个像素的值来判断图片上是原创 2020-11-25 17:17:45 · 265 阅读 · 1 评论 -
【Nan‘s 吴恩达机器学习笔记】第四章 多变量线性回归
【Nan's 吴恩达机器学习笔记】第四章 多变量线性回归多变量线性回归(Multivariable Linear Regression)Notation4.2 多元梯度下降法特征缩放Feature Scaling学习率α Learning rate4.5 多项式回归4.6 正规方程(Normal Equation)4.7 对比多变量线性回归(Multivariable Linear Regression)Notation标记含义n代表特征features的数量x(i)x^{原创 2020-11-24 20:49:55 · 109 阅读 · 0 评论 -
【Nan‘s 吴恩达机器学习笔记】第三章 线性代数
【Nan's 吴恩达机器学习笔记】第三章 线性代数3.1 矩阵和向量3.2 矩阵&向量的运算加法和标量乘法矩阵向量乘法房价预测的应用矩阵乘法房价预测的应用Ⅱ单位矩阵逆(Inverse)转置(Transpose)3.1 矩阵和向量矩阵(Matrices):大写字母表示矩阵的维数,即行数×列数。AijA_{ij}Aij指第i行,第j列的元素。向量(Vectors):小写字母y表示一种特殊的矩阵,讲义中的向量一般都是列向量,n×1矩阵。1索引(下标)向量为常用的!3.2 矩阵&向原创 2020-11-24 16:26:58 · 144 阅读 · 0 评论 -
【Nan‘s 吴恩达机器学习笔记】第一、二章 引言&单变量线性回归
【Nan's 吴恩达机器学习笔记】第一、二章 引言&单变量线性回归前言与提示1.3 监督学习重点提醒实例引入预测房价乳腺癌肿瘤判断1.4 无监督学习重点提醒实例引入鸡尾酒会前言与提示不同类型的学习算法。主要的两种类型被我们称之为:监督学习(Supervised learning):我们将教计算机如何去完成任务;无监督学习(Unsupervised learning):我们打算让计算机自己进行学习。其他术语,诸如强化学习(Reinforcement learning)和推荐系统(recomm原创 2020-11-23 21:09:16 · 120 阅读 · 0 评论