deeplearning.ai深度学习笔记整理 deeplearnig.ai深度学习笔记合并整理到GitHub deeplearning.ai深度学习笔记,整理发布到http://dl-notes.imshuai.com/
deeplearning.ai深度学习笔记整理 吴恩达deeplearning.ai学完总结 经过两个月的努力,终于将吴恩达的深度学习入门课程学完了。算是入门深度学习了,但师傅领进门,修行看个人。下面谈一谈我的学习总结。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course5 Week3):Sequence models & Attention mechanism 本周是deeplearning.ai系列的最后一节课,以机器翻译为例,介绍了seq2seq模型,扩展分析了beam search、bleu score和attention model。最后简要介绍了语音识别和触发词检测。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course5 Week2):Natural Language Processing & Word Embeddings 本周从语言模型引入了词嵌入,并介绍了常用的词嵌入算法:Word2vec和GloVe;以及应用案例:情感分类和消除偏见。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course5 Week1):Recurrent Neural Networks 介绍了RNN相关的模型,包括基本RNN、GRU、LSTM、BRNN以及深度RNN。顺便介绍了语言模型、采样生成新序列。相比以往,本周信息量极大,整理完后差点要吐-_-||。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course4 Week4):Special applications: Face recognition & Neural style transfer 本周介绍了CNN的两个特殊应用:人脸识别、图片风格转移。前者,着重于使用Siamese Network通过triplet loss或binary Classification解决了人脸识别的One Shot Learning问题。后者,通过构建Content Cost和Style Cost实现风格转移。另外还将卷积推广到了1D和3D数据。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course4 Week3):Object detection 本周介绍了目标检测算法,包括使用bounding box定位,sliding window算法以及YOLO算法。其中YOLO算法涉及IoU、Non-max Suppression、Anchor Boxes。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course4 Week2):Deep convolutional models: case studies CNN模型案例研究:LeNet-5、AlexNet、VGG-16、ResNets、1x1 CONV、Inception Network。以及CNN的实践建议:迁移学习、数据增强。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course4 Week1):Foundations of Convolutional Neural Networks 本周讲述了CNN的基础。从边界检测引入卷积运算,并将2D卷积运算延伸到3D中的multi-filter,最后以LeNet-5架构为例整体介绍了CNN。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course3 Week2):ML Strategy (2) 本周继续介绍了机器学习的策略。包括如何做错误分析,如何处理training与dev/test分布不一致的情况,以及最新发展的迁移学习、多任务学习以及end-to-end学习。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course3 Week1):ML Strategy (1) 本周介绍了机器学习的策略。强调了方法的正交性,介绍了单值指标并根据情况调整它,以及通过比较人类水平改进bias或variance。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course2 Week3):Hyperparameter tuning, Batch Normalization and Programming Frameworks 本周介绍了深度学习超参的调优方法,Batch Norm算法、Softmax实现多元分类。并以tensorflow介绍了deep learing框架。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course2 Week2):Optimization algorithms 本周介绍几种加快Gradient descent的算法 mini-batch、momentum、RMSprop、Adam、Learning rate decay。并说明了梯度下降的主要问题不是local optima问题,而是plateaus问题。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course2 Week1):Practical aspects of deep learning 深度学习中一些实践性问题:训练集/开发集/测试集;过拟合问题以及如何泛化;通过标准化等方法加快优化算法。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course1 Week3):Shallow neural networks Course1 Week3课程,从逻辑回归引入最简单的2层的浅神经网络,并介绍神经网络的表现形式,如何做前向传播和反向传播来完成梯度下降算法,同时包含sigmoid、tanh以及ReLU激励函数、参数初始化等的介绍。附有 Ian Goodfellow 的采访。
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course1 Week2):Neural Networks Basics Logistic Regression, Python and Vectorization
deeplearning.ai深度学习笔记整理 deeplearning.ai深度学习笔记(Course1 Week1):Introduction to deep learnring 学完了Coursera上Andrew Ng的机器学习,我要快马加鞭把DeepLearning.ai的深度学习也搞一遍。这是我第一周课程的笔记。都是干货。欢迎一起学习交流。