mashuai 的博客（base成都）

摘要： 有哪些sequence model Notation: RNN - Recurrent Neural Network 传统NN 在解决sequence input 时有什么问题？ RNN就没有上面的问题. 注意这里还提到了BRNN 双向RNN的概念。 激活函数 g1 经常用的是tanh, 也有用re 阅读全文

摘要： NN representation 这一课主要是讲3层神经网络 下面是常见的 activation 函数.sigmoid, tanh, ReLU, leaky ReLU. Sigmoid 只用在输出0/1 时候的output layer， 其他情况基本不用，因为tanh 总是比sigmoid 好. 阅读全文

摘要： Face recognition One Shot Learning 只看一次图片，就能以后识别, 传统deep learning 很难做到这个. 而且如果要加一个人到数据库里面，就要重新train model 显然不合理，所以就引出了 One Shot Learning 的概念。 怎么得出这个si 阅读全文

摘要： Logistic regression Cost function for logistic regression Gradient Descent 接下来主要讲 Vectorization Logistic Regression 的向量实现 Vectorizing LR Gradient outp 阅读全文

摘要： 学习目标 Understand the challenges of Object Localization, Object Detection and Landmark Finding Understand and implement non-max suppression Understand a 阅读全文

摘要： 整个deep learing 系列课程主要包括哪些内容 Intro to Deep learning 阅读全文

摘要： Neural Network Motivations 想要拟合一条曲线，在feature 很多的情况下，feature的组合也很多，在现实中不适用，比如在computer vision问题中feature就太多了. Applications cost function and BP Gradient 阅读全文

摘要： 2021.11 update: to add the MobileNet and EfficientNet as Coursera updated to add these Case Study (Note: 红色表示不重要) LeNet-5 起初用来识别手写数字灰度图片 AlexNet 输入的是2 阅读全文

摘要： CNN 主要解决 computer vision 问题，同时解决input X 维度太大的问题. Edge detection 下面演示了convolution 的概念 下图的 vertical edge 看起来有点厚，但是如果图片远比6x6像素大的话，就会看到效果非常不错. 除了前面讲过的第一种f 阅读全文

摘要： Why ML stategy 怎么提高预测准确度？有了stategy就知道从哪些地方入手，而不至于找错方向做无用功. Satisficing and Optimizing metric 上图中，running time <= 100ms 就是satisficing，accuracy 就是 optim 阅读全文