神经网络- 吴恩达Andrew Ng CNN卷积神经网络 Foundations of Convolutional Neural Networks Week1 知识总结

最新推荐文章于 2024-11-07 19:50:55 发布
原创 最新推荐文章于 2024-11-07 19:50:55 发布 · 619 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#吴恩达Andrew Ng #cnn #神经网络 #卷积神经网络

本文深入探讨了卷积神经网络（CNN）在计算机视觉中的应用，包括边缘检测、图像 padding、步长卷积、体积卷积以及池化层等关键概念。通过实例展示了CNN如何构建和工作，解释了为何选择使用卷积结构来处理图像数据。

1. Convolutional Neural Networks - Computer vision

在这里插入图片描述
在这里插入图片描述

2. Convolutional Neural Networks - Edge detection example

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3. Convolutional Neural Networks - More edge detection

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4. Convolutional Neural Networks - Padding

在这里插入图片描述
在这里插入图片描述

5. Convolutional Neural Networks - Strided convolutions

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

6. Convolutional Neural Networks - Convolutions over volumes

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

7. Convolutional Neural Networks - One layer of a convolutional networks

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

8. Convolutional Neural Networks - A simple convolution network example

在这里插入图片描述
在这里插入图片描述

9. Convolutional Neural Networks - Pooling layers

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

10. Convolutional Neural Networks - Convolutional neural network example

在这里插入图片描述
在这里插入图片描述

11. Convolutional Neural Networks - why convolutions?

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

参考

https://www.coursera.org/learn/convolutional-neural-networks/supplement/pd3QN/lectures-in-pdf

吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）1.5-1.6
weixin_43597208的博客
08-15 1285
在这个例子中就是 6×6×3，这里的𝑛𝑐就是通道数目，然后卷积上一个𝑓 × 𝑓 × 𝑛𝑐，这个例子中是 3×3×3，按照惯例，这个（前一个𝑛𝑐）和这个（后一个𝑛𝑐）必须数值相同。它用 6×6×3 的图像，然后卷积上这两个不同的 3×3 的过滤器，得到两个 4×4 的输出，它们堆叠在一起，形成一个 4×4×2 的立方体，这里的 2 的来源于我们用了两个不同的过滤器。但到目前为止，我们所使用的是关于矩阵的卷积，例如 6×6 的矩阵。
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）1.3-1.4
weixin_43597208的博客
07-31 669
你已经看到如何使用 padding 卷积，为了指定卷积操作中的 padding，你可以指定𝑝的值。也可以使用 Valid 卷积，也就是𝑝 = 0。也可使用 Same 卷积填充像素，使你的输出和输入大小相同。以上就是 padding，在接下来的视频中我们讨论如何在卷积中设置步长。
Andrew Ng-Convolutional Neural Networks 第一周作业【1】Convolution model Step by Step
luolia233的博客
03-24 876
拖了好久才开始学卷积网络……这周这个里面是有一个可选的卷积网络的反向传播的作业，但是这个我觉得可以另外开一篇新的了所以以后有空的时候再试着写写。。。233官网的作业是有更新了，算s的时候不要先add bias，而是最后再加。（Element-wise product between a_slice and W. Do not add the bias yet）所以后面和答案不一样不要慌，问题不大，...
Andrew Ng deeplearning.ai专项课程第四课Convolutional Neural Networks第一周笔记
Famir Tse的博客
12-19 548
deeplearning.ai专项课程第四课Convolutional Neural Networks第一周笔记
Convolutional Neural Networks编程（week 1）
weixin_38527856的博客
01-24 342
（一）Convolutional Neural Networks: step by step 一、步骤 二、Convolutional Neural Networks 1.Zero-Paddingdef zero_pad(X, pad):  X_pad = np.pad(X, ((0,0), (pad,pad), (pad,pad), (0,0)), 'constant', consta...
吴恩达《Convolutional Neural Networks》神经网络应用：神经风格迁移笔记
SunshineSki的博客
11-06 4277
须知：本文作者建议各位读者结合Coursera上Andrew NG（吴恩达）教授的DeeLearning.ai课程一同学习，理解效果更佳。本文为《Convolutional Neural Networks》第四周 特殊应用：人脸识别和神经风格迁移的学习笔记。 文章目录什么是神经风格迁移（What is neural style transfer?）深度卷积网络学习什么？（What are dee...
Andrew Ng's deeplearning Course4Week1 Convolutional Neural Networks(卷积神经网络)
福尔摩栋的博客
12-03 1094
一、计算机视觉 深度学习帮助计算机视觉很好的发展，如无人驾驶车识别路上的行人和车辆，人脸识别，艺术风格迁移。 如上图所示，深度学习在大图像上有一个问题，那就是维度。之前64*64*3的维度才12288，但是如果是1000*1000像素的大图片，那么维度就是3million，假设第一层有1000个隐藏单元，那么就是3billion。输入维度太大，在参数如此大量的情况下，难以获取足
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）4.9-4.10
最新发布
weixin_43597208的博客
11-07 1250
这将得到这两个矩阵之间的误差，因为它们是矩阵，所以在这里加一个𝐹（Frobenius 范数，编号 1 所示），这实际上是计算两个矩阵对应元素相减的平方的和，我们把这个式子展开，从𝑘和𝑘′开始作它们的差，把对应的式子写下来，然后把得到的结果都加起来，作者在这里使用了一个归一化常数，也就是。为了能捕捉图片的风格，你需要进行下面这些操作，首先，先看前两个通道，前两个通道（编号 1、2）分别是图中的红色和黄色部分，那我们该如何计算这两个通道间激活项的相关系数呢？
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）1.1-1.2
weixin_43597208的博客
07-19 1482
所以，当你用一个 3×3 过滤器进行卷积运算的时候，这个 3×3 的过滤器可视化为下面这个样子，在左边有明亮的像素，然后有一个过渡，0 在中间，然后右边是深色的。因为在这个例子中，图片太小了。从垂直边缘检测中可以得到的启发是，因为我们使用 3×3的矩阵（过滤器），所以垂直边缘是一个 3×3 的区域，左边是明亮的像素，中间的并不需要考虑，右边是深色像素。在之前的视频中，我说过神经网络的前几层是如何检测边缘的，然后，后面的层有可能检测到物体的部分区域，更靠后的一些层可能检测到完整的物体，这个例子中就是人脸。
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）2.7-2.8
weixin_43597208的博客
10-02 1886
事实上，如果你读过论文的原文，你就会发现，这里其实还有一些分支，我现在把它们加上去。如果你在开发一个计算机视觉应用，一个常见的工作流程是，先选择一个你喜欢的架构，或许是你在这门课中学习到的，或者是你从朋友那听说的，或者是从文献中看到的，接着寻找一个开源实现，从 GitHub 下载下来，以此基础开始构建。我们详细分析过的例子是，先通过一个 1×1的层，再通过一个 5×5 的层，1×1 的层可能有 16 个通道，而 5×5 的层输出为 28×28×32，共32 个通道，这就是上个视频最后讲到的我们处理的例子。
Andrew Ng deeplearning.ai专项课程第四课Convolutional Neural Networks第二周笔记
Famir Tse的博客
02-18 642
第二周 Deep convolutional models:case studies第一节 Case studies1.1 Why look at case studies?
Coursera吴恩达《卷积神经网络》课程笔记（1）-- 卷积神经网络基础
热门推荐
红色石头的专栏
11-30 3万+
我的CSDN博客地址：红色石头的专栏 我的知乎主页：红色石头 我的微博：RedstoneWill的微博 我的GitHub：RedstoneWill的GitHub 我的微信公众号：红色石头的机器学习之路（ID：redstonewill） 欢迎大家关注我！共同学习，共同进步！ 《Convolutional Neural Networks》是Andrw Ng深度学...
吴恩达Coursera深度学习课程 course4-week1 Convolutional Neural Networks & CNN Application 作业
currycode
10-29 3054
                                                                                                           P0 前言 第四门课 : Convolutional Neural Networks (卷积神经网络) 第一周 : Foundations of Convolutional Neura...
翻译：YOLOv5 新版本——改进与评估
AI架构师易筋
08-23 9114
2020年 6 月 25 日，第一个正式版 YOLOv5由 Ultralytics 发布。在这篇文章中，我们将讨论第一个YOLOv5版本中部署的新技术，并分析新模型的初步性能结果。 6/25 - YOLOv5 的初始版本显示了最先进的对象检测的前景（引用 YOLOv5 存储库） 在图表中，目标是生成一个相对于其推理时间（X 轴）非常高效（Y 轴）的对象检测器模型。初步结果表明，相对于其他最先进的技术，YOLOv5 在这方面做得非常好。 总之，YOLOv5 的大部分性能改进来自 PyTorch 训练过程，而
图灵奖得主大全
AI架构师易筋
08-07 4764
图灵奖（英语：ACM A.M. Turing Award），又译杜林奖、A.M.图灵奖[2]，是计算机协会（ACM）于1966年设立的奖项，专门奖励对计算机事业作出重要贡献的个人。其名称取自世界计算机科学的先驱、英国科学家、曼彻斯特大学教授艾伦·图灵（A.M. Turing），这个奖设立目的之一是纪念这位现代计算机科学的奠基者。获奖者必须是在计算机领域具有持久而重大的先进性的技术贡献。大多数获奖者是计算机科学家。图灵奖是计算机界最负盛名的奖项，有“计算机界诺贝尔奖”之称。 图灵奖对获奖者的要求极高，评奖程序
深度学习经典论文翻译合集Deep Learning Papers Translation(CV)
AI架构师易筋
08-15 4095
1. 图像分类Image Classification 1.1 AlexNet ImageNet Classification with Deep Convolutional Neural Networks 中文版 中英文对照 1.2.VGG Very Deep Convolutional Networks for Large-Scale Image Recognition 中文版 中英文对照 1.3 ResNet Deep Residual Learning for Image Recognition 中
Jupyter Notebook从入门到精通
AI架构师易筋
09-05 3614
下载 本课程练习完整代码 Jupyter Notebook： https://gist.github.com/zgpeace/8d3eb8c803a54d1ca797fa26cb68bd4c 财富500强 csv下载 https://github.com/zgpeace/fortune500.git 1. 什么是 Jupyter 笔记本？ Jupyter Notebook 是一个非常强大的工具，用于交互式开发和展示数据科学项目。本文将带您了解如何将 Jupyter Notebooks 用于数据科学项目
AI新生 人类最后一个大问题 破解人机共存密码 Human Compatible Stuart Russell
AI架构师易筋
07-31 1635
英文书名《Human Compatible: AI and the Problem of Control》 作者简介 斯图尔特·乔纳森·罗素 OBE（生于 1962 年）是一位英国计算机科学家，以其对人工智能的贡献而闻名。[5] [3]他是加州大学伯克利分校的计算机科学教授和加州大学旧金山分校的神经外科兼职教授。[2] [6]他是加州大学伯克利分校的 Smith-Zadeh 工程系主任。[7]他在加州大学伯克利分校创立并领导了人类兼容人工智能中心(CHAI)。[8]罗素是人工智能领域最受欢迎的教科书：人
价值连城 图灵奖得主杰弗里·欣顿(Geoffrey·Hinton)的采访 给AI从业者的建议
AI架构师易筋
07-07 1474
作为deeplearning.ai带来的这门课程的一部分 我希望不仅仅是教大家深度学习上的技术思路，还能给大家 介绍一些对深度学习发展做出贡献的的英雄们 他们开创出了 许多你们会在这门课程或在这个系列中学习的想法 在这些视频中,我希望可以请求这些深度学习的领袖们 提供关于如何进入深度学习领域的职业建议 提供关于如何可以从事深度学习的研究或者找到一份深度学习的工作的建议 作为本次采访系列的第一部分 我非常高兴向大家展示我们对杰弗里·欣顿(Geoffrey·Hinton)的采访 欢迎...
吴恩达深度学习课件：卷积神经网络精讲与实例探究
本知识点围绕着“吴恩达卷积神经网络课件与笔记”这一主题，对吴恩达教授的深度学习课程中关于卷积神经网络（Convolutional Neural Networks, CNNs）的内容进行深入探讨。 ### 卷积神经网络的基础概念 卷积神经...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值