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。Gi...
斯坦福大学CS230课程的Mark Sabini等人提出“Image outpainting”,比图像修复更进一步,能从一个图像片段“推断”出外延的部分,补全成整个画面。这篇论文获得了CS230期末poster的第一名,效果非常惊艳。 代码和论文地址: https://github.com/bendangnuksung/Image-OutPainting https://cs230.stanford.edu/projects_spring_...
技巧与窍门 https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-deep-learning-tips-and-tricks 囊括全部内容的“超级VIP”pdf下载 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...
Code examples in pyTorch and Tensorflow for CS230. Contribute to cs230-stanford/cs230-code-examples development by creating an account on GitHub.
cs230-stanford.github.io 实践项目 这一部分包括TensorFlow简介和数据的预处理。其中TensorFlow简介分为两个部分,第一部分是TensorFlow教程,通过这个教程你可以通过MNIST数据库用代码建立一个神经网络,对数据集进行分类。另一部分是一个项目实现的参考代码,目的是为了更好地熟悉教学人员提供的CS 230项目示例代码。 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。
A Study on the Stanford Natural Language Inference by Alex Alexandrovich Kolchinski, JEHA YANG, Katherine Yu, Yao Liu: report, poster Image Dataset Validation with Unsupervised Deep Learning by Eric James Wang, Nancy Xu: report, League Net by Brandon Walker, Sergio Luke Davood Sardar: report...
https://github.com/bendangnuksung/Image-OutPainting 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。
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。
学习作业和课间整理: 课程包含的五个部分: https://github.com/jasmine-0/deeplearning.ai 每周更新提交作业, 注:由于版本问题,作业中有的报错的地方 常见报错1: ‘c’ argument has 1 elements… 这个主要是plt.scatter函