卷积神经网络(CNN) https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-convolutional-neural-networks 递归神经网络(RNN) https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-recurrent-neural-networks 技巧与窍门 https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-deep-learning-tips-...
https://github.com/cs230-stanford/cs230-code-examples 数据的预处理也包括两部分，其中第一部分是图像数据的预处理，在这一部分中，通过练习能够使用流行的库“skImage”对图像进行预处理，然后运用到Keras编码的神经网络中。第二部分是文本数据的预处理，除此之外附录中给出了一个训练数据以及模型的代码示例。Git...
这份笔记主要是基于公开版本的课程资料整理的,并非原创,但整理得非常清晰,所以我觉得有必要分享给大家,方便大家在学习过程中查阅。如果你对原版的课程感兴趣,可以搜索“stanford cs230”来获取更多信息。如果找不到,可以保存这份笔记或者保存相关图片。🌟 如果你对其中某些知识点特别感兴趣,希望有更深入的讲解,欢迎留言...
https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-convolutional-neural-networks
近日由吴恩达与Kian Katanforoosh指导的 CS230(深度学习)课程已经结束并放出了课程资料。这一门课程结合Coursera课外教学与课内教学展示了深度学习的基本概念与完整结构,机器之心简要介绍了该课程及基本内容。 课程地址:https://web.stanford.edu/class/cs230/ ...
https://cs230.stanford.edu/projects_spring_2018/posters/8265861.pdf 这是Painting Outside the Box: Image Outpainting这篇论文的代码实现。这篇论文在吴恩达的斯坦福大学CS230课程中获得了期末Poster的第一名。 图像修复(Image inpainting)是一个已经被广泛研究的计算机视觉问题,涉及恢复图像中缺失的部分。
近日由吴恩达与 Kian Katanforoosh 指导的 CS230(深度学习)课程已经结束并放出了课程资料。这一门课程结合 Coursera 课外教学与课内教学展示了深度学习的基本概念与完整结构,机器之心简要介绍了该课程及基本内容。 课程地址:https://web.stanford.edu/class/cs230/ ...
近日由吴恩达与 Kian Katanforoosh 指导的 CS230(深度学习)课程已经结束并放出了课程资料。这一门课程结合 Coursera 课外教学与课内教学展示了深度学习的基本概念与完整结构,机器之心简要介绍了该课程及基本内容。 课程地址:https://web.stanford.edu/class/cs230/ ...
https://github.com/afshinea/stanford-cs-230-deep-learning/blob/master/super-cheatsheet-deep-learning.pdf 卷积神经网络结构:卷积层、池化层、全连接层 传统的卷积神经网络由输入图像、卷积层、池化层和全连接层构成。 卷积层(CONV):使用过滤器执行卷积操作,扫描输入大小。它的超参数包括滤波器的Size和Stride。
https://web.stanford.edu/class/cs230/ 课程简介:深度学习是 AI 领域中最受欢迎的技能之一。这门课程将帮助你学好深度学习。你将学到深度学习的基础,理解如何构建神经网络,并学习如何带领成功的机器学习项目。你将学到卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、Adam 优化器、Dropout 方法、...