摘要：
http://www.ai-start.com/dl2017/html/lesson5-week1.html 序列模型(Sequence Models) 为什么选择序列模型？（Why Sequence Models?） 数学符号（Notation） 这个输入数据是9个单词组成的序列，所以最终我们会有 阅读全文
posted @ 2020-12-01 21:07
Stark0x01
阅读(354)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson4-week4.html 特殊应用：人脸识别和神经风格转换（Special applications: Face recognition &Neural style transfer） 什么是人脸识别？（What i 阅读全文
posted @ 2020-12-01 21:06
Stark0x01
阅读(188)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson4-week3.html 目标检测（Object detection） 目标定位（Object localization） 特征点检测（Landmark detection） 目标检测（Object detectio 阅读全文
posted @ 2020-12-01 21:03
Stark0x01
阅读(175)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson4-week2.html 深度卷积网络：实例探究(Deep convolutional models: case studies) 为什么要进行实例探究？（Why look at case studies?） LeN 阅读全文
posted @ 2020-12-01 21:02
Stark0x01
阅读(173)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson4-week1.html 卷积神经网络（Convolutional Neural Networks） 计算机视觉（Computer vision） 缘检测示例（Edge detection example） 为什么这 阅读全文
posted @ 2020-12-01 21:01
Stark0x01
阅读(105)
评论(0)
推荐(0)
摘要：
机器学习策略（2）(ML Strategy (2)) 进行误差分析（Carrying out error analysis） 清除标注错误的数据（Cleaning up Incorrectly labeled data） 亲自检查数据非常值得 快速搭建你的第一个系统，并进行迭代（Build your 阅读全文
posted @ 2020-12-01 20:59
Stark0x01
阅读(95)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson3-week1.html 机器学习（ML）策略（1）（ML strategy（1）） 为什么是ML策略？（Why ML Strategy?） 正交化（Orthogonalization） 单一数字评估指标（Singl 阅读全文
posted @ 2020-12-01 20:57
Stark0x01
阅读(119)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson2-week3.html 超参数调试、Batch正则化和程序框架（Hyperparameter tuning） 调试处理（Tuning process） 关于训练深度最难的事情之一是你要处理的参数的数量，从学习速率$ 阅读全文
posted @ 2020-12-01 20:55
Stark0x01
阅读(182)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson2-week2.html 优化算法 (Optimization algorithms) Mini-batch 梯度下降（Mini-batch gradient descent） 可以把训练集分割为小一点的子集训练，这 阅读全文
posted @ 2020-12-01 20:52
Stark0x01
阅读(171)
评论(0)
推荐(0)
摘要：
http://www.ai-start.com/dl2017/html/lesson2-week1.html 深度学习的实践层面(Practical aspects of Deep Learning) 训练，验证，测试集（Train / Dev / Test sets） 偏差，方差（Bias /Va 阅读全文
posted @ 2020-12-01 20:51
Stark0x01
阅读(147)
评论(0)
推荐(0)
浙公网安备 33010602011771号