2020年06月_没人不认识我

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 2020-6-25 吴恩达-NN&DL-w4 深层NN(课后编程1-Building your Deep Neural Network: Step by Step)

原文链接如果打不开，也可以复制链接到https://nbviewer.jupyter.org中打开。一步一步搭建你的深度NN Building your Deep Neural Network: Step by Step1.本文涉及的基本库2.任务概述在前面你已经学习了训练单隐层NN。本节课你将搭建一个深层NN，至于用多少层，你说了算。本节中，你将实现几个函数用于搭建深层NN这些函数将在下节编程中用于搭建一个深层NN，实现图像识别分类完成本节编程后，你可以使用非线性单元ReLU改善你的

2020-06-26 15:50:48 265

原创 2020-6-23 Power BI

Power BI有在线版本和桌面版本桌面版本下载地址 https://powerbi.microsoft.com/en-us/desktop/点击 download free我下载的是PBIDesktopSetup_x64.exe。安装很简单打开桌面版本微软对Power BI目前有三种授权方式，免费版（Power BI Free），专业版（Power BI Pro），以及增值版（Power BI Premium）。免费版的不能向别人共享报表，也不能打开别人的共享报表。详细参见链

2020-06-23 10:17:58 767

原创 2020-5-27 吴恩达-改善深层NN-w1 深度学习的实用层面(1.14 关于梯度检验实现的注意事项)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.14 关于梯度检验实现的注意事项 Gradient Checking implementation notes1.不要在训练中使用梯度检验，它只用于调试

2020-06-22 13:08:43 175

原创 2020-5-26 吴恩达-改善深层NN-w1 深度学习的实用层面(1.13 梯度检验(原理)-检查导数和梯度的逼近值是否相差过大)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.13 梯度检验 Gradient Checking梯度检验帮我们节省了很多时间，也可以发现反向传播backprop实施过程中的bug。本节我们看看如何

2020-06-22 13:08:24 126

原创 2020-5-25 吴恩达-改善深层NN-w1 深度学习的实用层面(1.12 梯度的数值逼近（使用双边误差）--实现梯度检验需要)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.12 梯度的数值逼近 Numerical approximation of gradients在实施反向传播backprop时，有一个测试叫做梯度检验

2020-06-22 13:08:01 426

原创 2020-5-24 吴恩达-改善深层NN-w1 深度学习的实用层面(1.11 神经网络的权重初始化--减少梯度爆炸或过快消失-初始化权重矩阵的方差公式)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.11 神经网络的权重初始化 Weight Initialization for Deep NetworksVanishing / Exploding g

2020-06-22 13:07:42 181

原创 2020-5-24 吴恩达-改善深层NN-w1 深度学习的实用层面(1.10 梯度消失与梯度爆炸--激活函数与L层相关的指数级递减(步长小，学习时间长)或者增加。)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.10 梯度消失与梯度爆炸 Vanishing/exploding gradients训练NN，尤其是深度神经所面临的一个问题就是梯度消失或梯度爆炸。也

2020-06-22 13:07:25 199

原创 2020-5-22 吴恩达-改善深层NN-w1 深度学习的实用层面(1.9 归一化输入(特征)-加速训练，优化J简单-因为任何位置都可以快速下降，步长大)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.9 归一化输入 Normalizing inputs训练NN，其中一个加速训练的方法就是归一化输入。如上图，数据集的散点图。假设一个训练集有两个

2020-06-22 13:06:31 225

原创 2020-5-22 吴恩达-改善深层NN-w1 深度学习的实用层面(1.7 理解 Dropout--压缩权重/分层设置keep-prob)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.7 理解 Dropout Why does drop out work?1.单个神经元实施Dropout2.NN实施Dropout3.两个使用Dropo

2020-06-22 13:05:54 607

原创 2020-5-21 吴恩达-改善深层NN-w1 深度学习的实用层面(1.6 Dropout 正则化-inverted dropout反向随机失活)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.6 Dropout 正则化 Dropout regularization1.工作原理2.反向随机失活 inverted dropout2.1训练阶段2.

2020-06-22 13:05:34 335

原创 2020-5-20 吴恩达-改善深层NN-w1 深度学习的实用层面(1.5 为什么正则化可以减少过拟合？（L2正则化举例）)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.5 为什么正则化可以减少过拟合？Why regularization reduces overfitting本节将介绍为什么正则化有利于预防过拟合和减

2020-06-22 13:05:13 150

原创 2020-5-19 吴恩达-改善深层NN-w1 深度学习的实用层面(1.4 正则化-L2正则化/弗罗贝尼乌斯范数/权重衰减)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.4 正则化 Regularization1.正则化的作用原理2.L1和L2正则化3.NN中实现L2正则化4.利用弗罗贝尼乌斯范数实现梯度下降-权重衰减

2020-06-22 13:04:31 355

原创 2020-5-18 吴恩达-改善深层NN-w1 深度学习的实用层面(1.3 机器学习基础-诊断/解决偏差(大网络)和方差(大数据)问题)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.3 机器学习基础 Basic “recipe” for machine learning本节主要介绍如何通过组织机器学习来诊断偏差和方差的基本方法，然

2020-06-22 13:04:09 135

原创 2020-5-18 吴恩达-改善深层NN-w1 深度学习的实用层面(1.2 偏差-欠拟合(训练集)/方差-过拟合(验证集))

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.2 偏差/方差 Bias/Variance1. 二维数据集2. 高维数据集3. 高误差-贝叶斯误差4. 高偏差和高方差总结DL的误差问题，一个趋势是对

2020-06-22 13:03:43 175

原创 2020-5-15 吴恩达-改善深层NN-w1 深度学习的实用层面(1.1 训练/开发(验证)/测试集)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.1 训练/开发(验证)/测试集 Train/dev/test sets本节将介绍在配置训练、验证和测试数据集的过程中，做出正确决策会在很大程度上帮助大

2020-06-22 13:03:24 201

原创 2020-5-15 吴恩达DL学习-改善深层NN-第一周深度学习的实用层面

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai第一周深度学习的实用层面 Setting up your ML application1.1 训练/开发/测试集 Train/dev/test set

2020-06-22 13:02:58 181

原创 2020-6-21 吴恩达-NN&DL-w4 深层NN(课后作业)

参考 https://zhuanlan.zhihu.com/p/312722161、What is the “cache” used for in our implementation of forward propagation and backward propagation?实现前向传播和反向传播中使用的“cache”是什么？It is used to cache the intermediate values of the cost function during training.用于

2020-06-21 14:59:08 406

原创 2020-6-13 吴恩达-NN&DL-w3 浅层NN(课后编程-Planar data classification with one hidden layer)

原文链接如果打不开，也可以复制链接到https://nbviewer.jupyter.org中打开。单隐层NN平面数据分类 Planar data classification with one hidden layer1.本文涉及的基本库2.数据集 Dataset本次练习将构建一个单隐层NN。你会发现这个模型和逻辑回归实现的模型有很大的区别。你将会学习构建一个单隐层2分分类NN使用具有非线性激活函数神经元，例如tanh函数计算交叉熵损失（损失函数）实现前向传播和反向传播1.本文涉及的

2020-06-14 17:12:11 453

原创 2020-6-10 吴恩达-NN&DL-w3 浅层NN(课后作业)

参考 https://zhuanlan.zhihu.com/p/312709441, Which of the following are true? (Check all that apply.) Notice that I only list correct options.X is a matrix in which each column is one training example.a4[2]a^{[2]}_4a4[2] is the activation output by the

2020-06-10 12:46:01 244

原创 2020-6-8 吴恩达-深度学习课程汇总

第一课神经网络和深度学习 Neural Network and Deep Learning第一周概论 Intrduction第二周神经网络基础第三周浅层神经网络第四周深层神经网络

2020-06-08 14:06:52 472

原创 2020-6-6 吴恩达-NN&DL-w2 NN基础(课后编程-Logistic Regression with a Neural Network mindset)

原文链接使用NN思维构筑逻辑回归 Logistic Regression with a Neural Network mindset ）1.本文涉及的基本库2. 训练集/测试集概况和预处理1-1.弄清数据集维度1-2.重构数据集1-3.数据预处理总结本练习将使用逻辑回归分类来识别猫。这项作业将指导你如何用NN的思维方式来完成任务，也将培养你对DL的直觉。请不要在代码中使用循环（for/while），除非作业明确要求你这样做。通过作业你可以学习如何建立学习算法的总体架构，包含初始化参数计算成本

2020-06-07 13:31:01 368

原创 2020-5-31 吴恩达-NN&DL-w2 NN基础(课后作业)

参考https://zhuanlan.zhihu.com/p/312688851、神经元计算什么？神经元先计算激活函数，再计算线性函数(z = Wx + b)神经元先计算线性函数（z = Wx + b），再计算激活函数。（正确）神经元计算函数g，函数g计算(Wx + b)。在将输出应用于激活函数之前，神经元计算所有特征的平均值...

2020-06-01 15:08:26 281

吴恩达第二课第二周编程作业Optimization Methods代码。

2020-08-17

吴恩达第二课第一周编程作业Gradient Checking代码。

吴恩达第二课第一周编程作业Gradient Checking代码

2020-08-02

吴恩达第二课第一周编程作业Regularization代码

吴恩达第二课第一周编程作业Regularization代码。

2020-07-26

吴恩达第二课第一周编程作业Initialization代码

吴恩达第二课第一周编程作业Initialization全代码

2020-07-19

吴恩达第一课神经网络和深度学习第三周课后编程

吴恩达第一课神经网络和深度学习第三周神经网络基础课后编程代码。

2020-06-14

吴恩达第一课神经网络和深度学习第二周课后编程

吴恩达第一课神经网络和深度学习第二周神经网络基础课后编程代码。

2020-06-07

MSTG手册-英文版

OWASP Mobile Security Testing Guide. The MSTG is a comprehensive manual for mobile app security testing and reverse engineering. It describes technical processes for verifying the controls listed in the OWASP Mobile Application Verification Standard (MASVS).

2020-04-26