07 2018 档案
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
摘要：1.Mini-batch batch:之前所用的都是将m个样本放在一起组成向量来就行训练,称为batch,所存在的问题:当样本的数量比较庞大的时候,迭代一次所需要的时间比较多 ,这种梯度下降算法成为Batch Gradient Descent 为了解决这一问题引入 Mini-batch Gradie
阅读全文
摘要：Gradient Checking¶ Welcome to the final assignment for this week! In this assignment you will learn to implement and use gradient checking. You are pa
阅读全文
摘要：最后一个题跑出来的结果不知道为什么和答案相差甚远.......== Regularization Welcome to the second assignment of this week. Deep Learning models have so much flexibility and capa
阅读全文
摘要：Initialization Welcome to the first assignment of "Improving Deep Neural Networks". Training your neural network requires specifying an initial value
阅读全文
摘要：1point 1. 第 1 个问题 If you have 10,000,000 examples, how would you split the train/dev/test set? 98% train . 1% dev . 1% test √ 33% train . 33% dev . 33
阅读全文
摘要：1.1 Train/dev/test sets 在构建一个神经网络的时候我们往往需要设计很多参数,如:layers,learning rates ,acivation functions,hidden units, 而这些参数我们往往不能一次性就能设计到成为了最佳的参数,往往是我们自己有一些想法,然
阅读全文
摘要：Deep Neural Network for Image Classification: Application¶ When you finish this, you will have finished the last programming assignment of Week 4, and
阅读全文
摘要：import h5py import matplotlib.pyplot as plt from testCases import * from dnn_utils import sigmoid, sigmoid_backward, relu, relu_backward plt.rcParams[
阅读全文
摘要：What is the “cache” used for in our implementation of forward propagation and backward propagation? [ ] It is used to cache the intermediate values of
阅读全文
摘要：之前一章讲了 浅层神经网络,这一章讲的是深层神经网络 深层神经网络与浅层神经网络的区别是:隐藏层比浅层神经网络多,从命名规则上来说,有1,2,5个隐藏层的神经网络可以称为1 hidden layer,2 hidden layers,5 hidden layers 深层神经网络中的正向传播与之前举例的
阅读全文
摘要：Planar data classification with one hidden layer Welcome to your week 3 programming assignment. It's time to build your first neural network, which wi
阅读全文
摘要：Week 3 Quiz - Shallow Neural Networks Which of the following are true? (Check all that apply.) Notice that I only list correct options. X is a matrix
阅读全文
摘要：第二章总结了二分分类与逻辑回归,第三章关于浅层神经网络 神经网络的结构与逻辑回归类似,只是神经网络的层数比逻辑回归多了一层,多出的中间一层叫隐藏层,那么,神经网络的计算就相当于多进行一次逻辑回归的计算 正向传播过程分成两层，第一层是输入层到隐藏层，用上标[1]来表示：第二层是隐藏层到输出层，用上标[
阅读全文
摘要：Logistic Regression with a Neural Network mindset Welcome to your first (required) programming assignment! You will build a logistic regression classi
阅读全文
摘要：coursea链接:https://www.coursera.org/learn/neural-networks-deep-learning/notebook/Zh0CU/python-basics-with-numpy-optionalhttps://www.coursera.org/learn/
阅读全文
摘要：参考自:https://blog.csdn.net/u013733326/article/details/79865858 第2周测验 - 神经网络基础 神经元节点计算什么？ 【 】神经元节点先计算激活函数，再计算线性函数(z = Wx + b) 【★】神经元节点先计算线性函数（z = Wx + b
阅读全文
摘要：第一周测验 - 深度学习简介 参考自:https://blog.csdn.net/u013733326/article/details/79862336 和“AI是新电力”相类似的说法是什么？ 【 】AI为我们的家庭和办公室的个人设备供电，类似于电力。 【 】通过“智能电网”，AI提供新的电能。 【
阅读全文
摘要：神经网络是一种灵感来自于大脑工作的算法. 举一个例子:假设房子的价格与房子大小有关,为了预测房子的价格,我们可以先可以搜集一批房子价格对有房子大小的数据,为了能够进行分析,我们需要建立一个模型,来实现输入size x时能够输出对应的price y. 将我们所搜集到的数据关系绘制成一个图形表示,他们是
阅读全文
摘要：对于非向量化,我们要求得z的值,必须用到for循环,但是当数据量非常庞大的时候,for循环所用的时间会比较多,这个时候可以使用向量运算来提高速度 用python的函数np.dot实现两个向量/矩阵 相乘. SIMD:为了加快深度学习神经网络运算速度，可以使用比CPU运算能力更强大的GPU。事实上，G
阅读全文
摘要：之前我们已经了解了Coss Function的定义,它是一个convex,所以我们能找到它的全局最优解,我们可以先可以先随便选取一组w,b,求得刚开始J(w,b)对w的偏导,用公式: 我们可以对w进行更新,其中α为学习率,为梯度下降的步长,α越大,步长越大,同理也可以对b更新,最后经过一步步迭代,我
阅读全文
摘要：discrepancy:矛盾,相差 为了训练参数w,b,我们需要定义一个成本函数 损失函数: 损失函数测量预测（p（）和期望输出（y（）之间的差异。换句话说。损失函数计算单个培训示例的错误。 损失函数用下面一个,因为上面有一个为非凸行,不能得到全局的最优解,下面一个才能得到全局的最优解. 成本函数:
阅读全文
摘要：regression:回归 supervised:有监督的 logistic回归是一种学习算法被用于有监督学习问题,当y全都是0或1时 例子:判断是否有猫 给定一个由特征向量x代表的图像,那个算法将会估计猫是否在那个图像里的可能性 logistic回归的参数如下:
阅读全文
摘要：binary:二进制 discret:离散的,不连续的 vector:向量 matrice:矩阵 pixel:像素 intensity:强度 dimension:维度 关于第一章的神经网络认识:初次接触,暂时不做笔记,参考了一篇笔记:https://blog.csdn.net/red_stone1/
阅读全文
摘要：参考自：https://blog.csdn.net/qq_15695761/article/details/77502788 当前使用ubuntu14.04 1.添加python3.6安装包，并安装（也可以去官网下载安装包） [html] view plain copy <code class="l
阅读全文
浙公网安备 33010602011771号