Ng深度學習課程-第三課第一週筆記摘要
第一週 機器學習(ML)策略
滿足和優化指標(Satisficing and optimizing metrics)
訓練/開發/測試集劃分
什麼時候該改變開發/測試集和指標?(When to change dev/test sets and metrics)
改善你的模型的表現
相關推薦
Ng深度學習課程-第三課第一週筆記摘要
第一週 機器學習(ML)策略 滿足和優化指標(Satisficing and optimizing metrics) 訓練/開發/測試集劃分 什麼時候該改變開發/測試集和
Ng深度學習課程-第四課第一週筆記摘要
卷積神經網路 邊緣檢測 padding 卷積步長 三維卷積 池化層 卷積神經網路
Ng深度學習課程-第三課第二週筆記摘要
進行誤差分析 清除標註錯誤的資料 快速搭建你的第一個系統,並進行迭代 使用來自不同分佈的資料進行訓練和測試 資料分佈不匹配時的偏差與方差的分析
Ng深度學習課程-第五課第一週筆記摘要
序列模型 迴圈神經網路模型 不同型別的迴圈神經網路 語言模型和序列生成 對新序列取樣
Ng深度學習課程-第四課第二週筆記摘要
深度卷積網路:例項探究 為什麼要進行例項探究? 經典網路 殘差網路(ResNets)(Residual Networks (ResNets))
吳恩達《深度學習》第四課第一週筆記
卷積神經網路——卷積神經網路 一、計算機視覺 1.計算機視覺的具體應用:影象識別、目標檢測、圖片風格轉換。在應用計算機視覺時要面臨一個挑戰:資料輸入大。例如:一張畫質為1000*1000*3的圖片,其所構建的神經網路中輸入特徵將是300W,這將消耗巨大的記憶體,因此要處理
Ng深度學習課程-第四課第三週筆記摘要
目標檢測 目標定位 &n
Ng深度學習課程-第三週筆記摘要
淺層神經網路: 一般地,輸入層不算在總層數內。只考慮隱藏層和輸出層的層數。 這個是當輸入是單一的訓練樣本時的計算過程,程式設計實現時也只是這四行程式碼。接下來是針對多個訓練樣本。 即是在原來單列的基礎上,再向後增加一列,每增
Ng深度學習課程-第四課第四周筆記摘要
人臉識別 One-Shot 學習 Siamese 網路 Triplet 損失 人臉驗證與二分類 風格遷移的代價函式
Operations on word vectors-v2 吳恩達老師深度學習課程第五課第二週程式設計作業1
吳恩達老師深度學習課程第五課(RNN)第二週程式設計作業1, 包含答案 Operations on word vectors Welcome to your first assignment of this week! Because word embe
Ng深度學習課程-第二課第一週筆記摘要
深 度 學 習 的 實 踐 層 面
吳恩達《深度學習》第五課第二週
序列模型——自然語言處理與詞嵌入 2.1 詞彙表徵 1.通常在序列模型中我們設定詞彙表 表徵一個詞彙的集合,對某個具體的單詞,使用one-hot形式表示,比如: 這樣表徵雖然思路簡單,但是存在一個缺陷:由於任意兩個詞彙one-hot進行內積所得的結果均為0,因
《深度學習——Andrew Ng》第五課第一週程式設計作業_2_dinosaurus island
第二課的作業是給恐龍起名,訓練集是一系列恐龍的名字,經過訓練後,RNN網路可以生成新的恐龍的名字,隨著訓練次數的迭代,可以發現得到的名字越來越像是正常的恐龍名字。 這裡有兩點需要注意一下: 使用的模型RNN 圖中的每個cell都把計算流程標清楚了
Ng深度學習課程-第二課第二週筆記摘要
Mini-batch 梯度下降 指數加權平均數 指數加權平均的偏差修正 動量梯度下降法(Gradient descent with Momentum)
吳恩達《深度學習》第四課第三週
卷積神經網路——目標檢測 3.1目標定位 1.分類與定位 分類問題可以有助於定位問題的解決,當識別完圖片型別之後我們可以讓神經網路的輸出增加幾個單元,從而輸出一個邊界框(bounding box),具體而言就是多輸出4個數字(b_x, b_y, b_h, b_w),在這
吳恩達深度學習:基於Matlab完成卷積神經網路第四課第一週程式設計任務
這兩三個月通過吳恩達老師的課程學習了深度學習,從零開始學理論,做程式設計任務。感覺學了很多知識。現在學到卷積神經網路,想把第一週的程式設計任務、其中的要點上傳和編寫,方便自己以後鞏固。(注:吳恩達老師課程的程式設計任務是用Python來完成的,而我是用ma
《Python基礎教程》學習的第三課0121
類比 方法 found 介紹 匹配 this 註釋 style hello 今天學習python第三課,使用字符串。(所有標準的序列操作【索引、分片、乘法、判斷成員資格、求長度、取最小與最大值】對字符串同樣適用) 1.%(轉換說明符)的用法,%標記了需要插入轉換值的位置。
Ng深度學習課程-第二章筆記摘要
計算機中為了儲存一張圖片,需要儲存三個矩陣,它們分別對應圖片中的紅、綠、藍三種顏色通道。如果你的圖片大小為 64x64 畫素,那麼就有三個規模為 64x64 的矩陣,分別對應圖片中紅、綠、藍三種畫素的強度值。為了把這些畫素值放到一個特徵向量
Coursera 吳恩達《神經網路與深度學習》第三週程式設計作業
# Package imports import numpy as np import matplotlib.pyplot as plt from testCases import * import sklearn import sklearn.datasets impo
Udacity 無人駕駛課程第三階段第一部分 search——最短路徑搜尋
第一部分:廣度優先搜尋 如圖所示,從座標(0,0)找到一條最短路徑到達終點G(4,5)程式碼如下: grid中的1代表障礙方格,open代表前進到這個方格時前進的步數,也就是g值 初始時,設定一個closed array,與grid一致,open=[0,0,0],c