꧁༺ʚ凤⭐尘ɞ༻꧂

摘要： 第二周：机器学习策略（2）(ML Strategy (2)) 2.1 进行误差分析（Carrying out error analysis） 进行错误分析，应该找一组错误样本，可能在你的开发集里或者测试集里，观察错误标记的样本，看看假阳性（false positives）和假阴性（false neg 阅读全文

摘要： 第一周 机器学习（ML）策略（1）（ML strategy（1）） 1.1 为什么是 ML 策略？（Why ML Strategy?） 希望在这门课程中，可以教给一些策略，一些分析机器学习问题的方法，可以指引朝着最有希望的方向前进。这门课中，我会分享我在搭建和部署大量深度学习产品时学到的经验和教训。 阅读全文

摘要： 【吴恩达课程使用】anaconda (python 3.7) win10安装 tensorflow 1.8 目前tensorflow是只支持到python3.6的，anaconda最新版本已经到python3.7。因为吴恩达课程比较旧一些，这里就配置更加稳定的win10+python3.5+tens 阅读全文

摘要： Week 3 Quiz Hyperparameter tuning, Batch Normalization, Programming Frameworks(第三周测验 超参数调整，批量标 准化，编程框架) \1. If searching among a large number of hyper 阅读全文

摘要： 第三周：超参数调试 、 Batch 正则化和程序框架（Hyperparameter tuning） 3.1 调试处理（Tuning process） 调整超参数，如何选择调试值： 实践中，搜索的可能不止三个超参数，很难预知哪个是最重要的超参数，随机取值而不是网格取值表明，探究了更多重要超参数的潜在值 阅读全文

摘要： 来源：https://www.jianshu.com/p/c02a1fbffad6 简单易懂的softmax交叉熵损失函数求导 来写一个softmax求导的推导过程，不仅可以给自己理清思路，还可以造福大众，岂不美哉~ softmax经常被添加在分类任务的神经网络中的输出层，神经网络的反向传播中关键的 阅读全文

摘要： Week 2 Quiz Optimization algorithms(第二周测验 优化算法) \1. Which notation would you use to denote the 3rd layer’s activations when the input is the 7th examp 阅读全文

摘要： 第二周：优化算法 (Optimization algorithms) 2.1 Mini batch 梯度下降（Mini batch gradient descent） 如果训练集大小𝑚是 500 万或 5000 万或者更大的 一个数，在对整个训练集执行梯度下降法时，必须处理整个训练集，然后才能进行 阅读全文

摘要： Week 1 Quiz Practical aspects of deep learning（第一周测验 深度学习的实践） \1. If you have 10,000,000 examples, how would you split the train/dev/test set? (如果你有 1 阅读全文

摘要： 第一周：深度学习的实践层面 (Practical aspects of Deep Learning) 1.1 训练，验证，测试集（Train / Dev / Test sets） 创建新应用的过程中，不可能从一开始就准确预测出一些信息和其他超级参数，例如：神经网络分多少层；每层含有多少个隐藏单元；学 阅读全文