吴恩达深度学习第一课第一周

打卡（1）

1.1 什么是神经网络

* ReLu:修正线性单元（取值不小于0）

向量X（$x_1,x_2,x_3,x_4$）是输入特征，y是输出,在一个神经网络中，中间的圆圈被称为“隐藏单元”，隐藏单元的输入都同时来自所有的输入特征。

1.2 用神经网络进行监督学习

神经网络进行监督学习的应用：

CNN（卷积神经网络）、RNN（循环神经网络）

深度学习比传统方法在非结构数据（音频、图像、文本等）上有更好的应用效果。

打卡（2）

1.3 为什么深度学习会兴起

训练一个高性能水平的神经网络需要注意两点：
1. 训练出一个规模足够大的神经网络
2. 训练集数据量足够大

**ReLu和sigmoid的区别：**ReLu的梯度对于所有为正值的输入，输出都是1

1.4 关于这门课

第一门课是学习如何建立并运用一个深度神经网络