➢ deeplearnig.ai深度学习笔记合并整理到GitHub
之前deeplearnig.ai学习过程中,我不断将笔记通过博客发布(deeplearning.ai深度学习笔记),现已完结,但较为零散。
之前deeplearnig.ai学习过程中,我不断将笔记通过博客发布(deeplearning.ai深度学习笔记),现已完结,但较为零散。
部门内供大家使用的maven私服,下载构件的速度越来越慢了,很多同事频繁反映打个包光下载构件就要一个小时,苦不堪言。
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。
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。
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。
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-_- | 。 |
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。