吴恩达深度学习编程课后作业
每天吃一个苹果
这个作者很懒,什么都没留下…
展开
-
吴恩达深度学习编程作业 part 1-1
import numpy as npimport matplotlib.pyplot as pltimport h5pyimport scipyfrom PIL import Imagefrom scipy import ndimage% matplotlib inline第一部分: python 的numpy 基础练习1.1“sigmoid ”def sigmoid(x):...原创 2019-06-03 11:06:45 · 382 阅读 · 0 评论 -
吴恩达深度学习编程作业 one-hot编码
#单词级的 one-hot编码import numpy as np#利用split方法对样本进行分词,在实际应用中还需要从样本中去掉标点和特殊符号samples =['The cat sat on the mat.','The dog ate my homework.']#构建数据中所有标记的索引token_index = {}for sample in samples: fo...原创 2019-06-11 11:52:05 · 422 阅读 · 0 评论 -
吴恩达深度学习编程作业pytorch 版 gru时间序列
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchfrom torch import nnfrom torch.autograd import Variable#定义模型'''input_size – 输入的特征维度hidden_size – 隐状态的特征维度num_...原创 2019-06-11 11:46:50 · 2432 阅读 · 5 评论 -
吴恩达深度学习编程作业 pytorch 版rnn时间序列
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchfrom torch import nnfrom torch.autograd import Variable#定义模型'''input_size – 输入的特征维度hidden_size – 隐状态的特征维度num_...原创 2019-06-11 11:43:57 · 1417 阅读 · 1 评论 -
吴恩达深度学习编程作业 part 2-5
探索tensorflowimport mathimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.python.framework import ops%matplotlib inlinenp.random.seed(1)#加载数据...原创 2019-06-11 11:40:56 · 174 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 2-4
优化方法到目前为止,您始终使用Gradient Descent更新参数并最大限度地降低成本。在这个笔记本中,您将学习更多高级优化方法,这些方法可以加快学习速度,甚至可以让您获得更好的成本函数最终值。拥有一个好的优化算法可能是等待天数与短短几个小时之间的差异,以获得良好的结果。梯度下降在成本函数J上“下坡”。把它想象成试图这样做:import numpy as npimport matpl...原创 2019-06-11 11:39:15 · 322 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 2-2
本章节学习神经网络中的正则化import numpy as npimport matplotlib.pyplot as pltimport sklearnimport sklearn.datasetsimport scipy.io%matplotlib inlineplt.rcParams['figure.figsize'] = (7.0, 4.0) plt.rcParams['...原创 2019-06-11 11:26:06 · 788 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 2-1
本章节学习 初始化参数的不同影响import numpy as npimport matplotlib.pyplot as pltimport sklearnimport sklearn.datasets%matplotlib inlineplt.rcParams['figure.figsize'] = (7.0, 4.0)plt.rcParams['image.interpola...原创 2019-06-11 11:15:35 · 498 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 1-5
import timeimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport scipyfrom PIL import Imagefrom scipy import ndimage%matplotlib inlineplt.rcParams['figure.figsize'] = (5.0, 4.0) ...原创 2019-06-11 11:09:15 · 539 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 1-4
本节目的实现深层神经网络基本功能就像拼积木一样先把每个积木功能实现import numpy as npimport h5pyimport matplotlib.pyplot as plt%matplotlib inlineplt.rcParams['figure.figsize'] = (5.0, 4.0) plt.rcParams['image.interpolation'] = ...原创 2019-06-11 11:01:12 · 1572 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 1-3
线性不可分的分类实验结论无论用svm,k-nn,logistic效果都不是很理想,实验的过程就省略了。下面我们看用浅层神经网络训练线性不可分数据效果.import numpy as npimport matplotlib.pyplot as pltimport sklearnimport sklearn.datasetsimport sklearn.linear_model%mat...原创 2019-06-04 18:06:31 · 596 阅读 · 0 评论 -
吴恩达深度学习编程作业 part 1-2
罗辑回归神经网络import numpy as npimport matplotlib.pyplot as pltimport h5py#储存在h5文件中的数据集进行的交互包import scipyfrom PIL import Imagefrom scipy import ndimage% matplotlib inline接上一章,我们引入猫咪的图片 并把它转换成n*1的矩阵...原创 2019-06-03 11:30:42 · 357 阅读 · 0 评论 -
吴恩达深度学习编程作业给恐龙取名字 rnn
cutils 文件内的代码import numpy as npdef softmax(x): e_x = np.exp(x - np.max(x)) return e_x / e_x.sum(axis=0)def smooth(loss, cur_loss): return loss * 0.999 + cur_loss * 0.001def print_sa...原创 2019-06-11 11:54:34 · 873 阅读 · 0 评论