本文共 847 字,大约阅读时间需要 2 分钟。
title: 吴恩达Coursera()笔记和作业汇总帖
date: 2018-10-18 20:01:05 id: dl-ai-summary tags:吴恩达Coursera()笔记和作业汇总。
历时一个多月终于把NG的五门课全部学完并且做了作业和笔记了。这里汇总一下:
主要讲了神经网络的基本概念,以及机器学习的梯度下降法,向量化,而后进入了浅层和深层神经网络的实现。
前两周太简单了,在之前的机器学习课上NG全部都讲过了,这里就不做了。
第三周:主要是浅层神经网络的实现
第四周:深层神经网络的实现
介绍了改善神经网络的方法,如正则化,超参数调节,优化算法等。
第一周:训练集的划分、正则化、dropout
第二周:Mini-batch、Momentum、RMS、Adam、学习率衰减
第三周:超参数的调试、BatchNorm、softmax
主要讲了机器学习中的一些策略。
主要讲了神经网络的在图像上的非常重要的应用,卷积神经网络。
第一周:padding、步长、池化、卷积
第二周:一些重要的神经网络结构,VGG、ResNet、Inception等
第三周:目标检测、Bounding Box、IOU、NMS
第四周:人脸识别和神经风格转换
主要讲了神经网络在语言领域的应用,用RNN模型
转载地址:http://xrrii.baihongyu.com/