DeepLearning.ai学习笔记（四）卷积神经网络 -- week2深度卷积神经网络 实例探究
一、为什么要进行实例探究？ 通过他人的实例可以更好的理解如何构建卷积神经网络，本周课程主要会介绍如下网络 LeNet-5 AlexNet VGG ResNet (有152层) Inception 二、经典网络 1.LeNet-5 该网络主要针对灰度图像训练 ...
原文：DeepLearning.ai学习笔记（四）卷积神经网络 -- week1 卷积神经网络基础知识介绍
一 计算机视觉 如图示，之前课程中介绍的都是 的图像，而一旦图像质量增加，例如变成 的时候那么此时的神经网络的计算量会巨大，显然这不现实。所以需要引入其他的方法来解决这个问题。 二 边缘检测示例 边缘检测可以是垂直边缘检测，也可以是水平边缘检测，如上图所示。 至于算法如何实现，下面举一个比较直观的例子： 可以很明显的看出原来 的矩阵有明显的垂直边缘，通过 的过滤器 也叫做 核 卷积之后，仍然保留了 ...
2018-01-01 12:16 0 2660 推荐指数：
相关推荐
DeepLearning.ai学习笔记（四）卷积神经网络 -- week3 目标检测
一、目标定位 这一小节视频主要介绍了我们在实现目标定位时标签该如何定义。 上图左下角给出了损失函数的计算公式(这里使用的是平方差) 如图示，加入我们需要定位出图像中是否有pedestrian，car，motorcycles。注意在这里我们假设图像中只肯呢个存在这三者中的一种 ...
DeepLearning.ai学习笔记（四）卷积神经网络 -- week4 特殊应用:人力脸识别和神经风格转换
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 ...
DeepLearning.ai学习笔记（一）神经网络和深度学习--Week4深层神经网络
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\(n^{[1]}=n^{[2]}=5,n^{[3]}=3,n^{[4]}=1\) \(a^{[l ...
DeepLearning.ai学习笔记（一）神经网络和深度学习--Week3浅层神经网络
介绍 DeepLearning课程总共五大章节，该系列笔记将按照课程安排进行记录。 另外第一章的前两周的课程在之前的Andrew Ng机器学习课程笔记(博客园)&Andrew Ng机器学习课程笔记(CSDN)系列笔记中都有提到，所以这里不再赘述。 1、神经网络概要 ...
吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（下）
作者：szx_spark 1. 经典网络 LeNet-5 AlexNet VGG Ng介绍了上述三个在计算机视觉中的经典网络。网络深度逐渐增加，训练的参数数量也骤增。AlexNet大约6000万参数，VGG大约上亿参数。 从中我们可以学习 ...
吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（上）
作者：szx_spark 1. Padding 在卷积操作中，过滤器（又称核）的大小通常为奇数，如3x3，5x5。这样的好处有两点： 在特征图（二维卷积）中就会存在一个中心像素点。有一个中心像素点会十分方便，便于指出过滤器的位置。 在没有padding的情况下，经过卷积操作 ...
DeepLearning.ai学习笔记（二）改善深层神经网络：超参数调试、正则化以及优化--Week1深度学习的实用层面
更多笔记请火速前往 DeepLearning.ai学习笔记汇总 本周我们将学习如何配置训练/验证/测试集，如何分析方差&偏差，如何处理高偏差、高方差或者二者共存的问题，如何在神经网络中应用不同的正则化方法(如L2正则化、Dropout)，梯度检测。 一、训练/验证/测试集 ...