1 神经网络概览( Neural Networks Overview ) 先来快速过一遍如何实现神经网络。 首先需要输入特征x，参数w和b，计算出z，然后用激活函数计算出a，在神经网络中我们要做多 ...

1 向量化( Vectorization ) 在逻辑回归中，以计算z为例，$ z = w^{T}+b $，你可以用for循环来实现。 但是在python中z可以调用numpy的方法，直接一句$z = np.dot(w,x) + b$用向量化完成，而且你会发现这个非常快。 ng做了个实验，求 ...

1 二分类( Binary Classification ) 逻辑回归是一个二分类算法。下面是一个二分类的例子，输入一张图片，判断是不是猫。 输入x是64*64*3的像素矩阵，n或者nx代表特征x ...

1 目标定位( object localization ) 目标定位既要识别，又要定位，它要做的事就是用一个框框把物体目标的位置标出来。 怎么做这个问题呢，我们考虑三目标的定位问题，假定图中最多只出现一个目标，假定图片的左上角为(0,0)，右下角为(1,1)。 我们输出层的标签有这么几个 ...

一、什么是人脸识别 老实说这一节中的人脸识别技术的演示的确很牛bi，但是演技好尴尬，233333 啥是人脸识别就不用介绍了，下面笔记会介绍如何实现人脸识别。 二、One-shot(一次)学习 假设我们发财了，开了一家公司。然后作为老板的我们希望与时俱进，所以想使用人脸识别技术来实现打卡 ...

4.1什么是人脸识别 （1）人脸验证（face verification）:1对1，输入一个照片或者名字或者ID，然后判断这个人是否是本人。 （2）人脸识别（face recognition）:1对多，判断这个人是否是系统中的某一个人。 4.2One-shot学习 （1）比如一个公司的员工 ...

一、深层神经网络 深层神经网络的符号与浅层的不同，记录如下： 用\(L\)表示层数,该神经网络\(L=4\) \(n^{[l]}\)表示第\(l\)层的神经元的数量，例如\(n^{[ ...

之前看过一遍，但是总是模模糊糊的感觉，也刚入门，虽然现在也是入门，但是对于一些概念已经有了比较深的认识（相对于最开始学习机器学习的时候）。所以为了打好基础，决定再次学习一下Andrew Ng的课程，并记录笔记以供以后复习参考。 1. 内容概要 Introduction ...