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，如下圖中的“一只貓站在椅子上”。同樣包括編碼網絡和解碼網絡。 3.2選擇最可能的句子 ...
原文：吳恩達《深度學習》第五門課（1）循環序列模型（RNN）
. 為什么選擇序列模型 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。 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，多對一，多對多 個數不同 等情況來針對不同的應用。 . 數學符號 x i lt t gt 前面的i表示第i個訓練樣本，t表示某個序列樣本 ...
2018-07-21 16:02 0 1457 推薦指數：
相關推薦
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》-課后測驗-第五門課 序列模型(Sequence Models)-Week 2: Natural Language Processing and Word Embeddings (第二周測驗：自然語言處理與詞嵌入)
Week 2 Quiz: Natural Language Processing and Word Embeddings (第二周測驗：自然語言處理與詞嵌入) 1.Suppose you learn ...
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
4.1什么是人臉識別 （1）人臉驗證（face verification）:1對1，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。 （2）人臉識別（face recognition）:1對多，判斷這個人是否是系統中的某一個人。 4.2One-shot學習 （1）比如一個公司的員工 ...
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 ...
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 ...
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 ...
吳恩達深度學習筆記（deeplearning.ai）之循環神經網絡（RNN）（三）
1. 導讀 本節內容介紹普通RNN的弊端，從而引入各種變體RNN，主要講述GRU與LSTM的工作原理。 事先聲明，本人采用ng在課堂上所使用的符號系統，與某些學術文獻上的命名有所不同，不過核心思想都是相同的。 2. 普通RNN的弊端 在NLP中，句子內部以及句子之間可能存在很長的依賴 ...