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 ...
原文：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或者都不存在，所以共有四种可能。 P c 表示有三者中的一种 C 表示有pedestrian，反之没有 C 表示有car C 表 ...
2018-01-17 20:41 2 2949 推荐指数：
相关推荐
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64* 64 *3的图像，而一旦图像质量增加，例如变成1000 * 1000 * 3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 ...
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 ...
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
。 假如我们公司只有4个员工，按照之前的思路我们训练的神经网络模型应该如下： 如图示，输 ...
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（二）改善深层神经网络：超参数调试、正则化以及优化--week3 超参数调试、Batch正则化和程序框架
一、调试处理 week2中提到有如下的超参数： α hidden units mini-batch size β layers learning rate decay \(β_1,β_2,ε\) 颜色表示重要性，以及调试过程中可能会需要修改的程度 ...
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 ...