吴恩达深度学习Course2-Week(1)

最新推荐文章于 2024-07-25 16:58:58 发布
最新推荐文章于 2024-07-25 16:58:58 发布
阅读量163 收藏
点赞数
分类专栏： DeepLearning 文章标签： 深度学习 机器学习
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_44940689/article/details/120629725
版权

吴恩达深度学习Course2-Week(1)

文章目录

一、Train/Dev/Test

交叉验证集(Hold out cross validation set / Development set)与测试集(Test set)最好是同一分布。在一些情况下，没有测试集也没关系，测试集的目的是对所训练的机器学习模型进行无偏估计。

二、为什么双边导数的定义精度更高？

(该问题的答案搬运自知乎，侵删)

在这里插入图片描述

三、机器学习基本方法 Basic Recipe for Machine Learning

偏差bias较高方差variance较高
1、使用含有更多隐藏层或者隐藏单元的网络1、采用更多数据
2、花费更多世界来训练网络2、通过正则化来减少过拟合Regularization
3、尝试更先进的算法
木心
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
吴恩达-深度学习-课后作业-答案与总结
05-17
资源名称：人工智能+物理神经网络+利用物理信息神经网络和断层带声学监测预测实验室地震+源码 ...【附加价值】：这些项目资源不仅具有很高的学习价值，而且能够直接应用于实际项目中，提高开发效率。对于有志于深入研
吴恩达深度学习课后习题 1-3 章
03-31
【吴恩达深度学习课后习题 1-3 章】 这是一份与吴恩达教授在Coursera平台上的深度学习课程相关的习题集，涵盖了从基础的神经网络概念到优化策略和项目结构设计等多个方面。通过解决这些习题，学员将能够深入理解和...
吴恩达深度学习笔记 course2 week1 作业2
banghu8816的博客
07-28 340
最后一个题跑出来的结果不知道为什么和答案相差甚远.......== Regularization Welcome to the second assignment of this week. Deep Learning models have so much flexibility and capacity thatoverfitting can be a ser...
吴恩达深度学习系列课程随记——Course2Week1
Asteries的博客
10-30 312
1.训练、验证、测试集 训练集：用来训练 验证集：用来找出最好模型 测试集：无偏评估算法的运行状态（没有也不要紧） 小数据时代：70%训练30%测试/60%训练20%训练20%测试 大数据时代：99%（或者更多）训练1%验证%1%测试 尽量保证验证集和测试集来自同一分布（网页抓取：牺牲了这一点来获取大量数据） 没有测试集：这时验证集常常被称作测试集 2.偏差、方差 两者的平衡...
吴恩达深度学习：course2 - week1 课后作业（代码解读）
SJZSZYH的博客
11-09 614
【代码】吴恩达深度学习：course2 - week1 课后作业（代码解读）
吴恩达Coursera深度学习课程 course2-week2 优化方法 作业
currycode
10-24 726
                                               P0 前言 第二门课 : Improving Deep Neural Networks: Hyperparameter turing,Regularization and Optimization (改善深层神经网络：超参数调试、正则化以及优化) 第二周 : Optimization algorith...
吴恩达深度学习系列课程随记——Course2Week2
Asteries的博客
11-01 248
1.Mini-batch梯度下降 回顾梯度下降： 每一轮都要处理全部样本，样本量太大的话，即使进行了向量化，运行也十分缓慢 使用Mini-batch梯度下降： 将X、Y分成t个小批（batch），分别执行梯度下降。每一个batch执行完都更新W和b，这样一次遍历全部样本后更新了t次W和b而不是一次，这称为一代（epoch）运算。当然我们可以通过循环增加代数来继续运算直到满足要求。 2.理...
吴恩达深度学习DeepLearning-详细中文和英文笔记总结以及知识图谱三剑客
10-25
本资料包“吴恩达深度学习DeepLearning-详细中文和英文笔记总结以及知识图谱三剑客”提供了全面的学习资源，旨在帮助初学者系统地掌握深度学习的基础知识。 首先，"deeplearning深度学习笔记v5.1.pdf"可能是吴恩达...
2021版吴恩达深度学习课程笔记-神经网络
11-16
平板手写，课程见B站（https://www.bilibili.com/video/BV12E411a7Xn?p=1）
【深度学习-吴恩达】L1-2 神经网络基础 作业
07-29
在本课程"深度学习-吴恩达"的L1-2部分，主要讲解了神经网络的基础知识，并提供了相应的作业以帮助学生巩固理解。这个压缩包包含以下内容： 1. **datasets文件夹**：通常，这个文件夹包含了用于训练和测试神经网络...
Coursera Deep Learning 2 改善深层神经网络：超参数调试、正则化以及优化 第一周习题...
weixin_34414650的博客
11-19 373
Practical aspects of Deep Learning代码见博主 Github 1if you have 10,000,000 examples, how would you split the train/dev/test set? 60% train . 20% dev . 20% test 98% train . 1% dev . 1% test正确 33% train . 3...
深度学习（1）--小总结（验证训练、方差误差、L1L2正则化、dropout、提前停止、输入归一化、梯度爆炸和消失、梯度检验）
执契的博客
05-16 1534
网易云课堂吴恩达深度学习微专业相关感受和总结。因为深度学习较机器学习更深一步，所以记录机器学习中没有学到或者温故知新的内容。 闲来复习，可以学到很多东西！ 下一篇：深度学习（2）--小总结（指数加权平均值，偏差修正，momentum梯度下降，学习率衰减，batch归一化与BN层）https://blog.csdn.net/qq_36187544/article/details/91849279...
吴恩达Coursera深度学习课程 course2-week1 深度学习的实践层面 作业
currycode
10-13 1770
                                                P0 前言 第二门课 : Improving Deep Neural Networks: Hyperparameter turing,Regularization and Optimization (改善深层神经网络：超参数调试、正则化以及优化) 第一周 : Practical aspects of...
Deep Learning 课后作业笔记 | Course2 Week1 Part1
A.A的博客
02-04 535
Deep Learning | Coursera 课后作业笔记 作业源自：https://github.com/shahariarrabby/deeplearning.ai Regularization Welcome to the second assignment of this week. Deep Learning models have so much flexibility a
吴恩达深度学习笔记 course2 week3作业
banghu8816的博客
08-24 796
TensorFlow Tutorial Welcome to this week's programming assignment. Until now, you've always used numpy to build neural networks. Now we will step you through a deep learning framewor...
【深度学习】大模型GLM-4-9B Chat ，微调与部署(3) TensorRT-LLM、TensorRT量化加速、Triton部署
q742971636的博客
07-25 905
TensorRT-LLM官方目前说在v0.12.0版本才会支持GLM-4-9B Chat ，下面以v0.10.0的魔改来做GLM-4-9B Chat的量化部署。本文目标就是加速GLM-4-9B Chat，看看能多快。A100卡。
深度学习基础
最新发布
写代码的小阿帆的博客
07-25 431
本章学习了深度学习的两大分支，神经网络和决策树，神经网络依靠其隐藏层对数据进行特征提取和变换处理，最后在输出层输出结果，根据对输出要求的不同可以使用不同的激活函数，作为普通开发者我们应该更关注的是神经网络的优化方向，增加学习数据，调整正则化参数，以及交叉验证方法和迁移学习；决策树对人来说更容易理解，使用类似二叉树的数据结构进行分类判断，为了减少异常数据对树的影响，我们使用多个决策树票选结果，为了减少特征对树的影响，我们又引入了随机森林，最后介绍了目前效果很好的决策树方案——XGBOOST。
【深度学习】PyTorch框架(5)：Transformer和多注意力机制
MUKAMO的博客
07-18 895
本文深入探讨了多头注意力层，它通过缩放点积找到输入间相关性，是Transformer架构核心。Transformer广泛应用于多领域，不仅限于NLP。其置换等变性质拓展了应用场景。然而，理解其潜在问题如学习率预热解决初期梯度问题同样关键。对Transformer架构研究感兴趣的读者，建议查阅文中提及的博客以深入了解。Transformer作为强大架构，其探索与应用前景广阔。
计算机毕业设计python+neo4j知识图谱中医问答系统 中医中药方剂大数据可视化 vue.js 前后端分离 大数据毕业设计 机器学习 深度学习 人工智能
从业计算机毕业设计10年，打算用一年时间分享10年毕设经验！
07-22 880
计算机毕业设计python+neo4j知识图谱中医问答系统 中医中药方剂大数据可视化 vue.js 前后端分离 大数据毕业设计 机器学习 深度学习 人工智能
吴恩达深度学习课程：机器学习策略2 - 错误分析与数据清洗
在吴恩达教授的Coursera深度学习课程deeplearning.ai系列中，第三部分的第二讲聚焦于机器学习策略中的一个重要环节——误差分析。这一节强调了评估模型性能和改进方法的重要性，尤其是在深度学习领域。 课程的核心...
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

打赏作者

木心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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