随笔分类 - 深度学习
摘要：第 1 个问题 1point 1. 第 1 个问题 Face verification requires comparing a new picture against one person’s face, whereas face recognition requires comparing a
阅读全文
摘要：1.What is face recognition? 人脸验证: input:图片,名字/ID output:是否为对应的那个人 (一对一问题) 人脸识别: 有一个数据库有K个人 input:图片 output:如果图片是对应的K人中的一人,则输出此人ID,否则验证不通过 ,人脸识别比人脸验证更难
阅读全文
摘要：1. 第 1 个问题 You are building a 3-class object classification and localization algorithm. The classes are: pedestrian (c=1), car (c=2), motorcycle (c=3)
阅读全文
摘要：Residual Networks Welcome to the second assignment of this week! You will learn how to build very deep convolutional networks, using Residual Networks
阅读全文
摘要：1.Objection localization 图片检测问题分为: 1.图片分类:是否为汽车(结果只为单个对象) 2.分类与定位:是否为汽车 ,汽车位置(结果只为单个对象) 3.目标检测: 检测不同物体 并定位(结果可能含多个对象) 分类与定位的表示: 分类与定位的输出层可用如下表示: 1.Pc
阅读全文
摘要：这周新使用了一个新框架,它是一个比较高级的框架,比起低级框架有更多的限制 使用keras要注意的是: 1.Keras框架使用的变量名和我们以前使用的numpy和TensorFlow变量不一样。它不是在前向传播的每一步上创建新变量（比如X, Z1, A1, Z2, A2,…）以便于不同层之间的计算。在
阅读全文
摘要：答案仅供参考,非标准答案,欢迎交流 Which of the following do you typically see as you move to deeper layers in a ConvNet? n_HnH and n_WnW increases, while n_CnC dec
阅读全文
摘要：1.why look at case study 这周会讲一些典型的cnn模型,通过学习这些,我们能够对于cnn加深自己的理解,并且在实际的应用中有可能应用到这些,或从中获取灵感 2.Classic networks LeNet-5模型是Yann LeCun教授于1998年提出来的，它是第一个成功应
阅读全文
摘要：Convolutional Neural Networks: Step by Step¶ Welcome to Course 4's first assignment! In this assignment, you will implement convolutional (CONV) and p
阅读全文
摘要：TensorFlow Tutorial Welcome to this week's programming assignment. Until now, you've always used numpy to build neural networks. Now we will step you
阅读全文
摘要：1. 第 1 个问题 What do you think applying this filter to a grayscale image will do? ⎡⎣⎢⎢01101331−1−3−3−10−1−10⎤⎦⎥⎥ ⎣⎢⎢⎡01101331−1−3−3−10−1−10⎦⎥⎥⎤ De
阅读全文
摘要：1.computer vision cv是深度学习的一个重要方向,cv一般而言包括:图像识别,目标检测,神经风格转换 传统的神经网络所存在的问题:图片的输入维度比较大,具体如下图所示,这就造成了权重w的维度比较大,那么他所占用的内存也会比较大,计算w的计算量也会很大 所以我们会引入卷积神经网络 2.
阅读全文
摘要：第 1 个问题 To help you practice strategies for machine learning, in this week we’ll present another scenario and ask how you would act. We think this “si
阅读全文
摘要：1.Carrying out error analysis 例:当我们在训练一个模型的时候,我们的准确率是90%,bayes optimized bias是0%,这个时候错误率达到了10%,那么我们如何分析是哪错了,并且快速改正,如果我们分析发现误将狗识别为猫,那我们是否又应该加入一些狗的图片,增强
阅读全文
摘要：Problem Statement This example is adapted from a real production application, but with details disguised to protect confidentiality. You are a famous
阅读全文
摘要：1.Why ML Strategy? 当我们要优化一个模型的时候,我们可以通过许多种方法: 而如何选择的方法也是多种多样,有一个快速,有效选择的策略对于我们而言非常重要. 2.Orthogonalization 正交化 调节电视图像的时候,要使电视图像到正立中间,我们可以对于图像的水平方向,垂直方向
阅读全文
摘要：1.Tuning Process 对超参数的一个调试处理 一般而言,在调试超参数的过程中,我们通常将学习率learning_rate看作是最重要的一个超参数,其次是动量梯度下降因子β(一般为0.9),隐藏层单元个数,mini-batch size,再然后是layers,learning rate d
阅读全文
摘要：1. 第 1 个问题 If searching among a large number of hyperparameters, you should try values in a grid rather than random values, so that you can carry out
阅读全文
摘要：Optimization Methods Until now, you've always used Gradient Descent to update the parameters and minimize the cost. In this notebook, you will learn m
阅读全文
摘要：1. 第 1 个问题 Which notation would you use to denote the 3rd layer’s activations when the input is the 7th example from the 8th minibatch? a^{[8]\{3\}(7)
阅读全文
浙公网安备 33010602011771号