吴恩达深度学习笔记2

结构化机器学习项目：
机器学习（ML）策略：



正交化：





单一数字评估指标：







训练/开发/测试集划分：



开发集和测试集的大小：








使用来自不同分布的数据进行训练和测试：





数据分布不匹配时的偏差与方差的分析：





迁移学习：










多任务学习：














什么是端到端的深度学习：

卷积神经网络：

边缘检测示例：






























Padding：







卷积步长：






三维卷积：









单层卷积网络：












简 单 卷 积 网 络 示 例：







池化层：













卷 积 神 经 网 络 示 例:










为什么使用卷积:






深度卷积网络：实例探究
LeNet-5网络：




AlexNet网络：




VGG网络：




残差网络ResNets：








残差网络为什么有用：






网络中的网络以及 1×1 卷积：






谷歌 Inception 网络简介：



















迁移学习：






目标检测
目标定位:









特征点检测:






目标检测:









滑动窗口的卷积实现:















YOLO Bounding Box 预测：
















出框的标签bh 和 bw 就可能是大于一的数

交并比:




非极大值抑制：










Anchor Boxes：











YOLO 算法：








候选区域:






人脸识别:


One-Shot 学习:






Siamese 网络:




Triplet (三元组)损失：














人 脸 验 证 与 二 分 类：






神经风格迁移：



深度卷积网络学习什么：












代价函数：




内容代价函数：




风格代价函数：


















一维到三维推广：