zbazz-CSDN博客

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

zbazz的博客