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 ...

1.问题描述 有209张图片作为训练集，50张图片作为测试集，图片中有的是猫的图片，有的不是。每张图片的像素大小为64*64 吴恩达并没有把原始的图片提供给我们 而是把这两个图片集转换成两个.h5文件：train_catvnoncat.h5（训练集），test_catvnoncat.h5 ...

本章讲述的是一个复杂的机器学习系统，通过它可以看到机器学习的系统是如何组装起来的；另外也说明了一个复杂的流水线系统如何定位瓶颈与分配资源。 更多内容参考 机器学习&深度学习 OCR的问题就是根据图片识别图片中的文字： 这种OCR识别的问题可以理解成三个步骤： 文本 ...

第四周编程 目标：建立一个深层的神经网络识别猫 核心思想： 正向传播 反向传播 需要注意的事正反向传播的初始值， ， ， 数据集：与第一个编程作业的数据集一样 代码流程： 根据神经网络结构初始化参数（W,b ...

01. 神经网络和深度学习 第四周 深层神经网络 4.1 & 4.2 深层神经网络 logistic回归模型可以看作一层网络，通过增加隐藏层的层数，就可以得到深层网络了。 ...

神经网络和深度学习 课程 1-1深度学习概述 2-1 神经网络的编程基础 2-2 逻辑回归代价函数与梯度下降 2-3 计算图与逻辑回归中的梯度下降 2-4 向量化 2-5 ...

这几天每天花了点时间看完了吴恩达的深度学习课程视频。目前还只有前三个课程，后面的卷积神经网络和序列模型尚未开课。课程的视频基本上都是十分钟出头的长度，非常适合碎片时间学习。 一直以为机器学习的重点在于设计精巧、神秘的算法来模拟人类解决问题。学了这门课程才明白如何根据实际问题优化、调整模型更为重要 ...

1、灰度图像，边缘检测， 使用核函数的缺点，图像的向量会不断的缩小，另外一个就是边缘的向量相比于中间的向量被覆盖的次数会少很多。解决这个的方法就是padding在图像的周围再添加一圈向量。 2、核 ...