DeepLearning.ai學習筆記（四）卷積神經網絡 -- week2深度卷積神經網絡 實例探究
一、為什么要進行實例探究？ 通過他人的實例可以更好的理解如何構建卷積神經網絡，本周課程主要會介紹如下網絡 LeNet-5 AlexNet VGG ResNet (有152層) Inception 二、經典網絡 1.LeNet-5 該網絡主要針對灰度圖像訓練 ...
原文：DeepLearning.ai學習筆記（四）卷積神經網絡 -- week1 卷積神經網絡基礎知識介紹
一 計算機視覺 如圖示，之前課程中介紹的都是 的圖像，而一旦圖像質量增加，例如變成 的時候那么此時的神經網絡的計算量會巨大，顯然這不現實。所以需要引入其他的方法來解決這個問題。 二 邊緣檢測示例 邊緣檢測可以是垂直邊緣檢測，也可以是水平邊緣檢測，如上圖所示。 至於算法如何實現，下面舉一個比較直觀的例子： 可以很明顯的看出原來 的矩陣有明顯的垂直邊緣，通過 的過濾器 也叫做 核 卷積之后，仍然保留了 ...
2018-01-01 12:16 0 2660 推薦指數：
相關推薦
DeepLearning.ai學習筆記（四）卷積神經網絡 -- week3 目標檢測
一、目標定位 這一小節視頻主要介紹了我們在實現目標定位時標簽該如何定義。 上圖左下角給出了損失函數的計算公式(這里使用的是平方差) 如圖示，加入我們需要定位出圖像中是否有pedestrian，car，motorcycles。注意在這里我們假設圖像中只肯呢個存在這三者中的一種 ...
DeepLearning.ai學習筆記（四）卷積神經網絡 -- week4 特殊應用:人力臉識別和神經風格轉換
一、什么是人臉識別 老實說這一節中的人臉識別技術的演示的確很牛bi，但是演技好尷尬，233333 啥是人臉識別就不用介紹了，下面筆記會介紹如何實現人臉識別。 二、One-shot(一次)學習 假設我們發財了，開了一家公司。然后作為老板的我們希望與時俱進，所以想使用人臉識別技術來實現打卡 ...
DeepLearning.ai學習筆記（一）神經網絡和深度學習--Week4深層神經網絡
一、深層神經網絡 深層神經網絡的符號與淺層的不同，記錄如下： 用\(L\)表示層數,該神經網絡\(L=4\) \(n^{[l]}\)表示第\(l\)層的神經元的數量，例如\(n^{[1]}=n^{[2]}=5,n^{[3]}=3,n^{[4]}=1\) \(a^{[l ...
DeepLearning.ai學習筆記（一）神經網絡和深度學習--Week3淺層神經網絡
介紹 DeepLearning課程總共五大章節，該系列筆記將按照課程安排進行記錄。 另外第一章的前兩周的課程在之前的Andrew Ng機器學習課程筆記(博客園)&Andrew Ng機器學習課程筆記(CSDN)系列筆記中都有提到，所以這里不再贅述。 1、神經網絡概要 ...
吳恩達深度學習筆記（deeplearning.ai）之卷積神經網絡（CNN）（下）
作者：szx_spark 1. 經典網絡 LeNet-5 AlexNet VGG Ng介紹了上述三個在計算機視覺中的經典網絡。網絡深度逐漸增加，訓練的參數數量也驟增。AlexNet大約6000萬參數，VGG大約上億參數。 從中我們可以學習 ...
吳恩達深度學習筆記（deeplearning.ai）之卷積神經網絡（CNN）（上）
作者：szx_spark 1. Padding 在卷積操作中，過濾器（又稱核）的大小通常為奇數，如3x3，5x5。這樣的好處有兩點： 在特征圖（二維卷積）中就會存在一個中心像素點。有一個中心像素點會十分方便，便於指出過濾器的位置。 在沒有padding的情況下，經過卷積操作 ...
DeepLearning.ai學習筆記（二）改善深層神經網絡：超參數調試、正則化以及優化--Week1深度學習的實用層面
更多筆記請火速前往 DeepLearning.ai學習筆記匯總 本周我們將學習如何配置訓練/驗證/測試集，如何分析方差&偏差，如何處理高偏差、高方差或者二者共存的問題，如何在神經網絡中應用不同的正則化方法(如L2正則化、Dropout)，梯度檢測。 一、訓練/驗證/測試集 ...