- 博客(6)
- 收藏
- 关注
RSS订阅原创 深度学习（5）
3.7 为什么需要非线性激活函数？（why need a nonlinear activation function? ）为什么神经网络需要非线性激活函数？事实证明：要让你的神经网络能够计算出有趣的函数，你必须使用非线性激活函数，证明如下：这是神经网络正向传播的方程，现在我们去掉函数g，然后令a[1] = z [1] ，或者我们也可以令g(z) = z，这个有时被叫做线性激活函数（更学术点的名字是恒等激励函数，因为它们就是把输入值输出）。为了说明问题我们把a [2] = z [2] ，那么这个模型的输出
2022-01-08 09:51:16
124
原创 浅层神经网络
1 神经网络概述（Neural Network Overview ）我们将学习如何实现一个神经网络。在我们深入学习具体技术之前，我希望快速的预览一下我们将会学到的东西。现在我们开始快速浏览一下如何实现神经网络。我们了解了这个模型(见图 3.1.1)如何与下面公式 3.1 建立联系。图 3.1.1 :公式 3.1：????????????} ⟹ ???? = ???? ???? ???? + ????如上所示，首先你需要输入特征????，参数????和????，通过这些你就可以计算出????，公式
2021-10-07 21:14:20
138
原创 深度学习（4）
2.11 向量化(Vectorization)向量化是非常基础的去除代码中 for 循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以你的代码运行速度非常重要，否则如果在大数据集上，你的代码可能花费很长时间去运行，你将要等待非常长的时间去得到结果。所以在深度学习领域，运行向量化是一个关键的技巧，让我们举个栗子说明什么是向量化。在逻辑回归中你需要去计算???? = ???? ???? ???? + ????，????、????都是列向量
2021-09-24 16:14:39
246
原创 深度学习（3）
1.逻辑回归中的梯度下降（Logistic Regression Gradient Descent ）我们讨论怎样通过计算偏导数来实现逻辑回归的梯度下降算法。它的关键点是几个重要公式，其作用是用来实现逻辑回归中梯度下降算法。但是在本节视频中，我将使用计算图对梯度下降算法进行计算。我必须要承认的是，使用计算图来计算逻辑回归的梯度下降算法有点大材小用了。但是，我认为以这个例子作为开始来讲解，可以使你更好的理解背后的思想。从而在讨论神经网络时，你可以更深刻而全面地理解神经网络。接下来让我们开始学习逻辑
2021-08-20 23:15:48
120
原创 深度学习（2）
1 导数（Derivatives ）我们现在对微积分和导数进行直观的理解。或许你认为自从一个函数????(????) = 3????，它是一条直线。下面我们来简单理解下导数。让我们看看函数中几个点，假定???? = 2，那么????(????)是????的 3 倍等于 6，也就是说如果???? = 2，那么函数????(????) = 6。假定稍微改变一点点????的值，只增加一点，变为 2.001，这时????将向右做微小的移动。0.001 的差别实在是太小了，不能在图中显示出来，我们把它右移一点，
2021-08-13 20:18:03
106
原创 深度学习（1）
1.1 二分类(Binary Classification)我们学习神经网络的基础知识，其中需要注意的是，当实现一个神经网络的时候，我们需要知道一些非常重要的技术和技巧。例如有一个包含????个样本的训练集，你很可能习惯于用一个 for 循环来遍历训练集中的每个样本，但是当实现一个神经网络的时候，我们通常不直接使用 for 循环来遍历整个训练集，所以在我学会如何处理训练集。另外在神经网络的计算中，通常先有一个叫做前向暂停(forward pause)或叫做前向传播(foward propagation)的
2021-08-07 10:49:58
352
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