- 博客(16)
- 收藏
- 关注
原创 deeplearning.ai 笔记 Specialization 5 week 1 序列模型
1. 序列模型能解决哪些问题如语音识别、生成音乐、情感分类(如将对电影的评价转换为星级)、DNA序列检测(是不是某种蛋白质)、机器翻译、视频动作识别、姓名识别等。2. 符号定义输入:x,第一个单词x<1>等等,输出:y 第i个结果:y<i>。Tx代表输入的长度(有几个词),x/y中的t是某个时间点的意思。要识别某个词,首先要有一个字典,然后将语句中的...
2018-07-30 21:15:50
209
原创 deeplearning.ai 笔记 Specialization 4 week 3 目标检测
1. 目标定位从简单的检测有没有车到给车画上框,实际增加了四个参数bx,by,bh,bw,为框左上角的点和长宽:损失函数可以用八个值得平方差,也可以根据不同的选择不同的方式:c1到c3使用softmax并输出一个,边界坐标用平方误差,Pc用逻辑回归,等等2. 特征点检测汽车、人脸、动作的特征点3. 目标检测滑动窗口:缺点:对于卷积来说太慢了(已解决)...
2018-07-27 15:59:52
231
原创 deeplearning.ai 笔记 Specialization 3 week 2 机器学习策略
1. 误差分析误差分析:真的是把狗误标记成猫的样本多吗?可以画一张表手工验证,给后期调优具体方向2. 清除标注错误的数据训练集分类将小白狗分类为猫,这种随机的错误在数据量很大的时候可以不做修改,但是某些错误(比如把白色的狗都分类成猫)为系统错误,没有那么好的鲁棒性。建议:3. 建立好模型,然后迭代4. 在不同分布上的训练、测试假设实际使用的数...
2018-07-24 22:05:28
356
原创 deeplearning.ai 笔记 Specialization 3 week 1 结构化机器学习项目
1. 为什么是机器学习策略不用在错误的方向上浪费大量的时间。2. 正交化例子:老式TV的旋钮,每个旋钮只能调节一个画面属性(长宽比、矩形化、X轴位置、Y轴位置等),这样可以很方便的调节画面到正中,而如果调节一个旋钮同时改变两个属性(长宽和位置),虽然理论上是可以将画面调节到正中的,但是很难。3. 单一数字评估指标用查准率与查全率不能很好地全面反映,可以用F1分数...
2018-07-23 22:25:45
150
原创 deeplearning.ai 笔记 Specialization 2 week 3 超参数调试
1. tune process会调整的超参数:红、黄、紫为调整的可能从粗略到详细地调整,尝试随机2. 为超参数选择合适的范围一般不会使用线性轴,因为在首末对于熟知的变化敏感程度不一样,需要更多的去寻找。如果使用线性然后由粗到细的找最后也能找到合适的超参数3. 超参数设置实践:Panda V.S. Caviar(熊猫和鱼子酱),来代表两种不同实验超参数...
2018-07-19 16:49:34
159
原创 deeplearning.ai 笔记 Specialization 2 week 2 优化算法
本周将如何是的自己的算法更快1.mini-batch梯度下降同时处理的不再是整个X和Y,而是一部分X^{1}、Y^{1}...这样可以使梯度下降先处理一部分,加快训练速度。batch来源于整个训练集合训练完成梯度下降,mini-batch是分割数据集后进行多次梯度下降。epoch 代表完全遍历集合一次,batch只能做一次梯度下降,而mini-batch可以做多次(和分割的大小有关...
2018-07-18 21:27:07
176
原创 deeplearning.ai 笔记 Specialization 2 week 1 实操课程
1.训练集和测试集的划分:以前7:3,因为数据量比较少,现在上million后可以8:2甚至更少采用的测试集和训练集最好来自同一分布(比如都是用户上传的而不是包含用户上传和网上爬取)2. bias/Variance 偏差、方差蓝色、紫色和虚线部分:3. 机器学习的基本方法4.正则化可以解决过拟合(高方差),另一个解决方法是准备更多数据一般...
2018-07-18 15:43:23
183
原创 deeplearning.ai 笔记 Specialization 1 week 4
1. 为什么使用深层网络(为什么有用):例子1:人脸识别,从简单的特征(边缘、器官)到复杂的特征(人脸),越深入学习到的东西越多。同样的,可以应用到语音识别,先检测高低音调,检测声调到检测词语,检测语句。例子2.电路理论比如做异或,如果使用深度神经网络,用到的元器件不会很多,而不使用这种结构会导致元器件指数级别增加:2.正向传播过程3. 正向传播推导反向...
2018-07-17 21:36:37
167
原创 list and list[:]
Python中传递/修改可变对象时,是会影响到原变量的(数组、列表),不可变对象的原始对象不会被修改(数字、字符或者元祖)。以下两个函数结果不一样:def combine(self, n, k): ans = [] stack = [] x = 1 while True: l = len(stack) if l == k: ...
2018-05-08 09:42:51
763
原创 deeplearning.ai 笔记 Specialization 4 week 2 Convolutional Neural Networks Case Studies
1. 实例学习2.经典神经网络LeNet - 5AlexNetVGG-163. 残差网络(Residual Networks, ResNets)残差块:short cut/skip connection原来的传播是a->liner->ReLu->liner->ReLu->a[l+2]残差块做的事是把a直接约过几个层,传播到ReLu之前,让a[l+2]在ReLu计算时包...
2018-04-28 15:43:58
160
原创 deeplearning.ai 笔记 Specialization 4 week 1 Convolutional Neural Networks
卷积神经网络课程内容1. 计算机视觉解决的常见问题:图片分类(image classification)、物体识别(Object detection)、图片风格迁移(Neural style transfer)面临的挑战:输入可能很大(1000*1000*3有3百万个输入),也是卷积要解决的问题。2. 边缘检测过滤器(filter、kernel)垂直边缘检测器:3. 更多边缘检测正数较亮,负数较暗...
2018-04-27 15:36:09
157
原创 deeplearning.ai 笔记 Specialization 1 week 3
本周内容:浅层神经网络1. 神经网络概览:如图所示为一个简单的神经网络正向传播和反向传播的示意图,对于输入x,结合w and b得到z,进而得到a=sigmoid(z),再和w and b 得到z,得到a2(也是结果)。2. 神经网络的表示:神经网络分为三层:input/hidden/output layer为什么称为hidden layer:在训练集中无法“看到”输入层x也叫a[0](上标),a...
2018-04-20 14:40:45
157
原创 deeplearning.ai 笔记 Specialization 1 week 2 Python and Vectorization
Vectorization什么是向量化?向量化是为了让模型的速度更快左边是非向量化的实现,右边是向量化的实现图中是使用for循环和向量化处理的时间对比,可以看出向量化后快了将近300倍。更多向量化的案例:More Vectorization Examples绿色笔记使得原来的两个for循环变成了一个,提高了速度。Vectorizing Logistic Regressionbroadcasting...
2018-04-10 16:54:30
227
原创 deeplearning.ai 笔记 Specialization 1 week 2 Logistic Regression as a Neural Network
本周回顾神经网络的基础知识。对于深度学习,有些技巧是值得学习的。比如,不显式的使用for循环遍历整个训练集。本周将会展示正向传播与反向传播,以及逻辑回归等。逻辑回归是一个二分类算法Binary Classification举例:对于一幅图像来说(假设图片大小为64*64),他在计算机中是由三个64*64的矩阵表示的(红绿蓝三元色),每个像素有不同的数值,如何把一幅图片作为特征向量输入呢?输入x是将...
2018-04-10 15:32:23
154
原创 deeplearning.ai 笔记 Specialization 1 week 1
学而不思则罔,思而不学则殆。第一个系列的课程主要介绍什么事神经网络和深度学习,介绍了系列课程的总体结构:What is a neural network?举例:房价预测假设知道六个房子的面积和价格,对房价进行预测,假设结果是一条直线,又知道房价不可能为负,所以函数与x轴交点之前的值均为0。这个函数是深度学习中常见的ReLU(线性整流函数 Rectified Linear Unit)。我们把房子的大...
2018-04-03 16:13:21
170
原创 从网页导入表格到excel,根据关键字搜索需要的列
从网页导入表格到excel:打开Excel,数据、从网页导入,贴网址。分两步,比较麻烦:1. 根据关键字搜索需要的列:公式 =IF(COUNTIF(B2,"*"&"关键字"&"*")=1,1,0) B2是要搜索的单元格,要固定某行或者列在对应标号前加“$”(多列复制公式,先复制,在最后一行按shift后选中,粘贴即可)2. 筛选,含有的行会显示1.
2017-04-07 15:10:06
798
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