吳恩達《深度學習》第四門課（1）卷積神經網絡
1.1計算機視覺 （1）計算機視覺的應用包括圖像分類、目標檢測、圖像分割、風格遷移等，下圖展示了風格遷移案例： （2）圖像的特征量非常之大，比如一個3通道的1000*1000的照片，其特征為3*1000*1000達到300萬，如果第一個隱藏層有1000個單元那么W[1]有20億個參數，計算 ...
原文：吳恩達《深度學習》第四門課（4）特殊應用：人臉識別和神經風格遷移
. 什么是人臉識別 人臉驗證 face verification : 對 ，輸入一個照片或者名字或者ID，然后判斷這個人是否是本人。 人臉識別 face recognition : 對多，判斷這個人是否是系統中的某一個人。 . One shot學習 比如一個公司的員工，一般每個人只給一張工作照 如 個人 ，這時網絡輸出五個單元，分別代表他們以及都不是。這樣設計會有兩個明顯的問題：第一是每個人只給 ...
2018-07-18 20:50 0 1012 推薦指數：
相關推薦
吳恩達《深度學習》第四門課（3）目標檢測（Object detection）
3.1目標定位 （1）案例1：在構建自動駕駛時，需要定位出照片中的行人、汽車、摩托車和背景，即四個類別。可以設置這樣的輸出，首先第一個元素pc=1表示有要定位的物體，那么用另外四個輸出元素表示定位框 ...
吳恩達《深度學習》第一門課（2）神經網絡的編程基礎
2.1二分類 （1）以一張三通道的64×64的圖片做二分類識別是否是毛，輸出y為1時認為是貓，為0時認為不是貓： y輸出是一個數，x輸入是64*64*3=12288的向量。 （2）以下是一些符號定義（數據集變成矩陣之后進行矩陣運算代替循環運算，更加高效） x：表示一個nx維數據，維度 ...
卷積神經網絡-吳恩達深度學習課程第四課
時間：2021/02/16 一.卷積神經網絡 1.1 計算機視覺 卷積神經網絡一般應用於計算機視覺領域，由於有的時候圖片的像素點很多，導致神經網絡輸入特征值的維數很多。 1.2 邊緣檢測示例 如下圖所示，原圖是一個6*6*1的矩陣，卷積核是一個 ...
吳恩達《深度學習》第五門課（3）序列模型和注意力機制
3.1序列結構的各種序列 （1）seq2seq：如機器翻譯，從法文翻譯成英文，將會是下面這樣的結構，包括編碼網絡和解碼網絡。 （2）image to sequence：比如給一幅圖像添加描述， ...
吳恩達《深度學習》第五門課（1）循環序列模型（RNN）
1.1為什么選擇序列模型 （1）序列模型廣泛應用於語音識別，音樂生成，情感分析，DNA序列分析，機器翻譯，視頻行為識別，命名實體識別等眾多領域。 （2）上面那些問題可以看成使用（x，y）作為訓練集的監督學習，但是輸入與輸出的對應關系有非常多的組合，比如一對一，多對多，一對多 ...
吳恩達《深度學習》第五門課（2）自然語言處理與詞嵌入
2.1詞匯表征 （1）使用one-hot方法表示詞匯有兩個主要的缺點，以10000個詞為例，每個單詞需要用10000維來表示，而且只有一個數是零，其他維度都是1，造成表示非常冗余，存儲量大；第二每個 ...
吳恩達深度學習 第四課第二周編程作業_Residual Networks
Residual Networks 參考：https://blog.csdn.net/u013733326/article/details/80250818 歡迎來到本周的第二次作業!您將學習如何使用剩余網絡(ResNets)構建非常深的卷積網絡。理論上，深度很深的網絡可以代表非常復雜 ...