李宏毅深度学习笔记-为什么要深度？
问题：越深越好？ 层数越多，参数越多，model比较复杂，数据又多的话，本来误差就越小，这为什么归因于”深“呢？ 矮胖结构 v.s. 高瘦结构 真正要比较”深“和”浅“的model的时候 ...
原文：深度学习Deep Learning Tutorial（李宏毅）————————自学笔记
自己接触的一些东西不够深入，整个体系的结构也不够清晰，所以回头从一些入门经典资料进行重新梳理。以下内容图片均来自Deep learning tutorial 李宏毅 ，其他内容均为本人自己的理解而做的一些记录，不代表原文观点，不保证准确性。 一 深度学习介绍 . 深度学习的介绍 先来看看机器学习是什么，可以看做寻找一个能够得到我们期望解的函数。通过训练数据，我们可以找到包含若干函数的集合，在其中找 ...
2017-10-20 17:43 0 4031 推荐指数：
相关推荐
mate learning学习笔记（李宏毅）
mate learning = learn to learn 如下图所示，mate learning就是 输入训练资料到 F，输出的是一个可以用来识别图像的 f*。 F（training data） = f （一个神经网络） 而与其他的机器学习模型不同的是，机器学习是训练出来一个模型F ...
李宏毅深度学习笔记-Transformer
Transformer英文的意思就是变形金刚，Transformer现在有一个非常知名的应用，这个应用叫做BERT，BERT就是非监督的Transformer，Transformer是一个seq2se ...
李宏毅2021春机器学习课程笔记——Introduction of Machine/Deep Learning
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！ 一、Machine Learning概念理解 Machine Learning主要的任务是寻找一个合适的Function来完成我们的工作（非常不严 ...
李宏毅深度学习笔记-深度学习简介
李宏毅深度学习笔记 https://datawhalechina.github.io/leeml-notes 李宏毅深度学习视频 https://www.bilibili.com/video/BV1JE411g7XF step1 神经网络 激活函数是sigmoid，红色圈是一组神经元，每个 ...
李宏毅机器学习笔记12（Transfer Learning）
Transfer Learning 1、什么是迁移学习 2、如何实现迁移学习 1）source有label，target有label 一、model fine-tuning（模型微调） 方法一、conservative training（保守训练 ...
李宏毅《机器学习 深度学习》简要笔记（一）
P1 一、线性回归中的模型选择 上图所示： 五个模型，一个比一个复杂，其中所包含的function就越多，这样就有更大几率找到一个合适的参数集来更好的拟合训练集。所以，随着模型的复杂度提 ...