【学习记录】《DeepLearning.ai》第十三课：特殊应用：人脸识别和神经风格转换(Specialapoplications:Face recognition&Neural style transfer)
第十三课：特殊应用：人脸识别和神经风格转换(Specialapoplications:Face recognition&Neural style transfer)4.1 什么是人脸识别？科普人脸识别可能一个人的识别准确率是99%,那么100个人的识别可能需要更高的准确率，99.9%等等。4...
【学习记录】《DeepLearning.ai》第十二课：目标监测(Object detection)
第十二课：目标监测(Object detection)3.1 目标定位(Object localization)解释上图：对于目标监测的输出y，第一个参数$P_c$如果图片中有目标，比如行人，车或者自行车，则输出1，如果是背景则输出0.接下来的四个参数用来定位，具体定义在第一张图片中已经给出了。最...
【学习记录】《DeepLearning.ai》第十一课：深度卷积网络：实例探究(Deep convolutional models:case studies)
第十一课：深度卷积网络：实例探究(Deep convolutional models:case studies)2.1 为什么要进行实例探究PASS2.2 经典网络(Classic networks)三种经典的网络结构1.LeNet-5该网络结构没有使用padding，对于池化层，如果s=2,f=2...
【学习记录】《DeepLearning.ai》第十课：卷积神经网络(Convolutional Neural Networks)
第十课：卷积神经网络(Convolutional Neural Networks)1.1 计算机视觉(Computer vision)通常如果处理大图用传统的神经网络需要特别大的输入，因此需要大量内存。对于计算机视觉应用来说，要处理大图片，就需要进行卷积计算。1.2 边缘检测示例垂直边沿检测器:上图...
【学习记录】《DeepLearning.ai》第九课：机器学习策略(2)(ML Strategy)
第九课：机器学习策略(2)(ML Strategy)2.1 进行误差分析(Carrying out error analysis)将识别错误的例子人工挑选出来，同时查看每一个错误的原因，比如识别猫的时候，其中有8%是狗，有43%是大猫，61%是模糊，我们可以在开发集或测试集里观察假阳性(False ...
【学习记录】《DeepLearning.ai》第八课：机器学习策略（1）(ML strategy(1))
第八课：机器学习策略（1）(ML strategy(1))1.1 什么是ML策略ML策略总结就是让人少走弯路，能够选择合适的方法来优化系统。1.2 正交化(Orthogonalization)针对不同的环节出现的问题进行不同方式的解决。判断出系统的性能瓶颈出现在那里，然后找到一组特定的旋钮来调整系统...
【学习记录】《DeepLearning.ai》第七课：超参数调试、Batch正则化和程序框架
第七课：超参数调试、Batch正则化和程序框架7.1 调试处理(Tuning process)我们通常需要处理超参数，如上图。第一个是学习率，第二个是Moentum（动量梯度下降法）的参数，如果使用了Adam优化算法，也需要调整第三个参数，第三行参数一般有默认值，如图所示。第四行表示神经网络的层数，...
【学习记录】《DeepLearning.ai》第六课：优化算法(Optimization algorithms)
第六课：优化算法(Optimization algorithms)6.1 Mini-batch梯度下降上图表示了整个Mini-batcha梯度下降的过程。首先对$X^{\{t\}}$执行前项传播，$X^{\{t\}}$表示的是对于整个训练集之后的样本值，比如共有5000000个样本，每1000个划分...
【学习记录】《DeepLearning.ai》第五课 深度学习的实践层面
第五课 深度学习的实践层面1.1 训练、验证、测试集(Train/Dev/Test sets)总结一下，在机器学习中，我们通常将样本分成训练集(60%)，验证集(20%)和测试集(20%)三部分，数据集规模相对较小，适用传统的划分比例，数据集规模较大的，验证集和测试集要小于数据总量的 20%或 10...
【学习记录】《DeepLearning.ai》第四课：深层神经网络(Deep L-layer neural network)
第四课：深层神经网络(Deep L-layer neural network)4.1 深层神经网络主要需要掌握一些符号，如下图：4.2 前向传播和反向传播(Forward and backward propagation) 反向传播的向量化实现：4.3 深层网络中的前向传播(Forward pro...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
