吴恩达《深度学习专项》代码实战(六):用 Numpy 实现 Momentum, Adam 等优化算法 周弈帆:吴恩达《深度学习专项》笔记(六):改进梯度下降算法(mini-batch, Momentum, Adam)这周,官方的编程作业还是点集分类。我觉得这个任务太简单了,还是挑战小猫分类比较有意思。… ...
输入一个图片,但图片无法进行计算,故将图片以三层矩阵表示出来,每一层代表一种颜色。而矩阵的大小由图片的像素决定,矩阵每个位置的数为该像素点颜色深度。然后将三层矩阵依次转化成n×1阶矩阵,即n维特征向量。 这个特征向量即代表这个图片,我们对这个向量进行处理。 我们要找到一个函数能将该向量(输入)映射成一个值...
平稳段会减缓学习,平稳段是一块区域,其中导数长时间接近于0,如果你在此处,梯度会从曲面从从上向下下降,因为梯度等于或接近0,曲面很平坦,你得花上很长时间慢慢抵达平稳段的这个点,因为左边或右边的随机扰动 image-20240826231222759 此时可以使用前面几节提到的优化算法 71. 调试处理 α 学习速率是需要调试的最重要的...
2. 逻辑回归 3. 浅层神经网络 4. 深层神经网络 5. 设置你的机器学习应用程序 6. 正则化防止过拟合 7. 优化训练 8. 优化算法 9. 超参数调试 10. 构建你的机器学习项目 下载方式这 28 张图片整理在一个 pdf 文件中，pdf文件和思维导图获取方式如下：shimo.im/docs/vVAXVMmLwNCMzoqm（复制到浏览器）其他...
本章主要回顾吴恩达老师机器学习快速入门视频,以便夯实基础,适合零基础小白~ 1. 监督学习和无监督学习 监督学习(Supervised Learning):对于数据集中每一个样本都有对应的标签,包括回归(regression)和分类(classification); 无监督学习(Unsupervised Learning):数据集中没有任何的标签,包括聚类(clustering) ...
吴恩达深度学习 notebook 吴恩达deeplearning 笔记 二、改善深层神经网络 第一周 深度学习的实用层面 知识点总结 1. 训练集与测试集分布不匹配问题 训练集(train) 验证集(dev) 测试集(test):test和dev分布相同 2. 偏差(Bias)与方差(Variance) (1)高偏差与高方差...
第二周 机器学习策略(二) 2.1 误差分析 前面提到,对于模型错误率高于人类错误率的,可以采取误差分析等方法改进。比如,将分类模型分类错误的样本拎出来看看,找找主要原因,找找提升空间更大的改进方向,而不是自己瞎猜盲干。 吴恩达老师给出的方法:抽取一部分模型出错的样本,比如100个,挨个查看分析原因,列一个表格统计...
吴恩达深度学习课程4.1-深层神经网络-学习笔记, 视频播放量 83、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 编译行, 作者简介 ,相关视频:【中英双字】吴恩达DeepLearning深度学习专项课程(神经网络|机器学习|卷积神经网络|循环神经网络),【
本系列是编者学习吴恩达deeplearning.ai 深度学习系列课程的笔记。 编者有一定机器学习基础,也看过Andrew的机器学习课程。由于Andrew的课程非常通俗易懂,笔记中会省略那些帮助理解的例子、图形等,只把最终的观点、解释、结论和解决方案做整理,以供日后查看,另外编者也在某些地方,结合原版论文做出了一些批注和补充,所以称...
[ 导读 ]吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图,这套信息图优美地记录了深度学习课程的知识与亮点。因此它不仅仅适合初学者了解深度学习,还适合机器学习从业者和研究者复习基本概念。我们认为这不仅仅是一份课程笔记,同时还是一套信息图与备忘录。下面,我们将从深度学习基础、卷积网络...