【Deeplearning.ai 】吴恩达深度学习笔记及课后作业目录
吴恩达深度学习课程的课堂笔记以及课后作业
代码下载：https://github.com/douzujun/Deep-Learning-Coursera
吴恩达推荐笔记：https://mp.weixin.qq.com/s/cX9_DiqofPhdXrY_0oTEAw
课程1 - 神经网络和深度学习
| 周数 | 名称 | 类型 | 地址 |
|---|---|---|---|
| week1 | 深度学习简介 | 测验 | 略 |
| week2 | 神经网络基础 | 笔记 | 逻辑回归 逻辑回归推导 |
| 具有神经网络思维的Logistic回归 | 编程作业 | 识别猫 | |
| week3 | 浅层神经网络 | 笔记 | 浅层神经网络 |
| 带有一个隐藏层的平面数据分类 | 编程作业 | 平面数据分类 | |
| week4 | 深度神经网络的关键概念 | 笔记 | 深层神经网络 公式推导 |
| 一步步搭建多层神经网络 | 编程作业 | 手写神经网络 | |
| 深层神经网络应用 (识别猫) | 编程作业 | 识别猫 |
课程2 - 改善深层神经网络：超参数调试、正则化以及优化
| 周数 | 名称 | 类型 | 地址 |
|---|---|---|---|
| week1 | 改善深层神经网络：超参数调试 正则化以及梯度相关 | 笔记 | 超参数调试 正则化以及梯度相关 |
| 编程作业 | Initializaion Regularization GradientChecking |
||
| week2 | 改善深层神经网络：优化算法 | 笔记 | 优化算法 |
| 编程作业 | Optimization Methods | ||
| week3 | 改善深层神经网络：超参数调试 Batch归一化 Softmax | 笔记 | 超参数调试 Batch归一化 Softmax |
| 编程作业 | Tensorflow 实现手势识别 |
课程3 - 结构化机器学习项目
| 周数 | 名称 | 类型 | 地址 |
|---|---|---|---|
| week1 | 结构化机器学习项目（上） | 笔记 | 结构化机器学习项目 （上） |
| week2 | 结构化机器学习项目（下） | 笔记 | 结构化机器学习项目 （下） |
课程4 - 卷积神经网络
| 周数 | 名称 | 类型 | 地址 |
|---|---|---|---|
| week1 | 卷积神经网络基础 | 笔记 | 卷积神经网络基础 |
| 编程作业 | 一步步搭建CNN模型 TensorFlow实现手势数字识别 |
||
| week2 | 深度卷积网络 | 笔记 | 深度卷积网络 |
| 编程作业 | Keras tutorial - 笑脸识别 Residual Networks |
||
| week3 | 笔记 | ||
| 编程作业 | |||
| week4 | 笔记 | ||
| 编程作业 | |||
| 编程作业 |
课程5 - 序列模型
| 周数 | 名称 | 类型 | 地址 |
|---|---|---|---|
| week1 | 循环序列模型[RNN GRU LSTM] | 笔记 | 序列模型1 |
| 编程作业 | 一步步实现RNN与LSTM Character level language model LSTM网络生成爵士乐 |
||
| week2 | NLP & Word Embeddings | 笔记 | 序列模型（二） |
| 编程作业 | 词向量的操作 Emoji表情生成器 |
||
| week3 | Sequence models & Attention mechanism | 笔记 | 序列模型（三） |
| 编程作业 | Neural Machine Translation with Attention Trigger Word Detection |
【Deeplearning.ai 】吴恩达深度学习笔记及课后作业目录的更多相关文章
- 吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（二）
经典网络 LeNet-5 AlexNet VGG Ng介绍了上述三个在计算机视觉中的经典网络.网络深度逐渐增加,训练的参数数量也骤增.AlexNet大约6000万参数,VGG大约上亿参数. 从中我们可 ...
- 吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（上）
作者:szx_spark 1. Padding 在卷积操作中,过滤器(又称核)的大小通常为奇数,如3x3,5x5.这样的好处有两点: 在特征图(二维卷积)中就会存在一个中心像素点.有一个中心像素点会十 ...
- 吴恩达深度学习笔记（deeplearning.ai）之循环神经网络（RNN）（三）
1. 导读 本节内容介绍普通RNN的弊端,从而引入各种变体RNN,主要讲述GRU与LSTM的工作原理. 事先声明,本人采用ng在课堂上所使用的符号系统,与某些学术文献上的命名有所不同,不过核心思想都是 ...
- 吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（一）
Padding 在卷积操作中,过滤器(又称核)的大小通常为奇数,如3x3,5x5.这样的好处有两点: 在特征图(二维卷积)中就会存在一个中心像素点.有一个中心像素点会十分方便,便于指出过滤器的位置. ...
- 吴恩达深度学习笔记（八） —— ResNets残差网络
(很好的博客:残差网络ResNet笔记) 主要内容: 一.深层神经网络的优点和缺陷 二.残差网络的引入 三.残差网络的可行性 四.identity block 和 convolutional bloc ...
- 吴恩达深度学习笔记（十二）—— Batch Normalization
主要内容: 一.Normalizing activations in a network 二.Fitting Batch Norm in a neural network 三.Why does ...
- 吴恩达深度学习笔记（七） —— Batch Normalization
主要内容: 一.Batch Norm简介 二.归一化网络的激活函数 三.Batch Norm拟合进神经网络 四.测试时的Batch Norm 一.Batch Norm简介 1.在机器学习中,我们一般会 ...
- 吴恩达深度学习笔记1-神经网络的编程基础(Basics of Neural Network programming)
一:二分类(Binary Classification) 逻辑回归是一个用于二分类(binary classification)的算法.在二分类问题中,我们的目标就是习得一个分类器,它以对象的特征向量 ...
- 吴恩达深度学习笔记（十一）—— dropout正则化
主要内容: 一.dropout正则化的思想 二.dropout算法流程 三.dropout的优缺点 一.dropout正则化的思想 在神经网络中,dropout是一种“玄学”的正则化方法,以减少过拟合 ...
随机推荐
- sed命令的使用
1.sed格式.理解 (1)找谁 干什么 (2)想找谁,就把谁保护起来 2.sed基本操作 操作文件oldboy.txt I am lizhenya teacher! I teach linux. ...
- angularjs实现购物清单
HTML: 1:要定义ng-app,在html上定义ng-app="App"; 2:在body上定义ng-controller="ToDoCtrl" 3: &l ...
- Lambda表达式——注重过程的编程思想
一.使用匿名内部类的匿名对象创建线程和Lambda表达式写法 Lambda表达式写法不用去定义一个Runable接口的实现类: 二.方法入参是一个接口或者接口的实现类 三.对某个类的一些对象实例进行排 ...
- Lambda函数接口和方法构造器应用
函数式接口 什么是函数式接口? 在java中'有且仅有一个抽象方法的接口',就称为函数式接口. 可以通过Lambda表达式来创建该接口的对象.(若Lambda表达式抛出一个受检异常,那么该异常需要在目 ...
- Dockerfile 自动制作 Docker 镜像（一）—— 基本命令
Dockerfile 自动制作 Docker 镜像(一)-- 基本命令 前言 a. 本文主要为 Docker的视频教程 笔记. b. 环境为 CentOS 7.0 云服务器 c. 上一篇:手动制作Do ...
- 学习PHP中统计扩展函数的使用
做统计相关系统的朋友一定都会学习过什么正态分布.方差.标准差之类的概念,在 PHP 中,也有相应的扩展函数是专门为这些统计相关的功能所开发的.我们今天要学习的 stats 扩展函数库就是这类操作函数. ...
- PHP密码散列算法的学习
不知道大家有没有看过 Laravel 的源码.在 Laravel 源码中,对于用户密码的加密,使用的是 password_hash() 这个函数.这个函数是属于 PHP 密码散列算法扩展中所包含的函数 ...
- 一起搞懂PHP的错误和异常（一）
在PHP的学习过程中,我们会接触到两个概念,一个是错误,一个是异常.啥玩意?他们不是一个东西嘛?如果接触过Java.C#之类的纯面向对象语言的同学,可能对异常是没有什么问题,毕竟所有的问题都可以try ...
- vue中data为什么不写成data:{}这样而是写成data(){return {}}类型。
data:{}:这样会直接挂载在vue实例中,变成全局变量,容易造成污染,再次今日该组件页面,会保留上次的变量值,不会被初始化 data(){return {}} :return包裹后数据中变量只在当 ...
- jmeter之命令行执行jmx脚本
使用界面执行不稳定,且保存报告非常麻烦 https://www.jb51.net/article/191367.htm 作者:Anthony_tester 来源:CSDN 原文:https://blo ...