上一页 1 2 3 4 5 6 7 8 ··· 10 下一页
  2019年7月26日
摘要: 感谢吴恩达老师的公开课,以下图片均来自于吴恩达老师的公开课课件 为什么要进行卷积操作? 我们通过前几天的实验已经做了64*64大小的猫图片的识别。 在普通的神经网络上我们在输入层上输入的数据X的维数为(64*64*3, m) 假设第二层的节点数为1000,在全连接网络下,则W的维数为(1000, 6 阅读全文
posted @ 2019-07-26 10:46 NWNU-LHY 阅读(265) 评论(0) 推荐(0) 编辑
  2019年7月25日
摘要: 首先感谢这位博主整理的Andrew Ng的deeplearning.ai的相关作业:https://blog.csdn.net/u013733326/article/details/79827273 开一个我的github传送门,可以看到代码。 https://github.com/VVV-LHY/ 阅读全文
posted @ 2019-07-25 15:06 NWNU-LHY 阅读(181) 评论(0) 推荐(0) 编辑
  2019年7月24日
摘要: 首先感谢这位博主整理的Andrew Ng的deeplearning.ai的相关作业:https://blog.csdn.net/u013733326/article/details/79827273 开一个我的github传送门,可以看到代码。 https://github.com/VVV-LHY/ 阅读全文
posted @ 2019-07-24 16:25 NWNU-LHY 阅读(260) 评论(0) 推荐(0) 编辑
摘要: 首先感谢这位博主整理的Andrew Ng的deeplearning.ai的相关作业:https://blog.csdn.net/u013733326/article/details/79827273 开一个我的github传送门,可以看到代码。 https://github.com/VVV-LHY/ 阅读全文
posted @ 2019-07-24 14:22 NWNU-LHY 阅读(225) 评论(0) 推荐(0) 编辑
  2019年7月23日
摘要: 首先感谢这位博主整理的Andrew Ng的deeplearning.ai的相关作业:https://blog.csdn.net/u013733326/article/details/79827273 开一个我的github传送门,可以看到代码。 https://github.com/VVV-LHY/ 阅读全文
posted @ 2019-07-23 19:30 NWNU-LHY 阅读(287) 评论(0) 推荐(0) 编辑
摘要: 学期工作总结 点评 本学期共点评139条。 简单做了一个折线图,因为今天开的两台电脑都没装excel,所以用python画了个图。 可以看到刚开始的第一周和第二周,不管是同学们还是我都在熟悉这种全新的学习方式,因而提交数量增加评论数量也在增加。直到第三四五周达到个人作业评论数量的顶峰。 从第六周开始 阅读全文
posted @ 2019-07-23 11:12 NWNU-LHY 阅读(165) 评论(1) 推荐(0) 编辑
  2019年7月22日
摘要: 首先感谢这位博主整理的Andrew Ng的deeplearning.ai的相关作业:https://blog.csdn.net/u013733326/article/details/79827273 开一个我的github传送门,可以看到代码。 https://github.com/VVV-LHY/ 阅读全文
posted @ 2019-07-22 17:24 NWNU-LHY 阅读(182) 评论(0) 推荐(0) 编辑
  2019年7月19日
摘要: 在传统的数据处理系统或学习系统中,有一些工作需要多个步骤进行,但是端到端的学习就是用一个神经网络来代替中间所有的过程。 举个例子,在语音识别中: X(Audio) MFCC >features ML >phonemes >words >Y(transcript) 首先输入音频,使用MFCC提取低层次 阅读全文
posted @ 2019-07-19 16:25 NWNU-LHY 阅读(169) 评论(0) 推荐(0) 编辑
摘要: 在迁移学习transfer learning中,你的步骤是串行的sequential process 在多任务学习multi-task learning中,你试图让单个神经网络同时做几件事情,然后这里的每个任务都希望能够帮助到其他的任务。 这是一个汽车自动驾驶的问题,在这张图像中我们需要同时检测四个 阅读全文
posted @ 2019-07-19 15:40 NWNU-LHY 阅读(168) 评论(0) 推荐(0) 编辑
摘要: 在深度学习领域中,最强力的理念之一就是可以将神经网络学习的一种知识应用到另一个独立的任务中。 看上面的例子,首先我们有一个已经完成训练的神经网络,其目标是图像识别,我们有了绿色的1000000张图片并训练了上面的网络。 在完成图像识别后,我们希望将我们的模型用于放射诊断任务,这就是一种迁移。 我们的 阅读全文
posted @ 2019-07-19 14:40 NWNU-LHY 阅读(170) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 ··· 10 下一页