摘要：
演示代码如下 1 import torch 2 from torch.autograd import Variable 3 import torch.nn.functional as F 4 import matplotlib.pyplot as plt 5 # make fake data 6 n 阅读全文
摘要：
4.1什么是人脸识别 （1）人脸验证（face verification）:1对1，输入一个照片或者名字或者ID，然后判断这个人是否是本人。 （2）人脸识别（face recognition）:1对多，判断这个人是否是系统中的某一个人。 4.2One-shot学习 （1）比如一个公司的员工，一般每个 阅读全文
摘要：
3.1目标定位 （1）案例1：在构建自动驾驶时，需要定位出照片中的行人、汽车、摩托车和背景，即四个类别。可以设置这样的输出，首先第一个元素pc=1表示有要定位的物体，那么用另外四个输出元素表示定位框的中心坐标和宽高，再用3个输出元素one-hot表示是三个类别中的哪一类。当第一个元素pc=0时表示是 阅读全文
摘要：
关于卷积神经网络的入门基础知识： https://blog.csdn.net/weixin_42451919/article/details/81381294 卷积神经网络的相关公式推导： https://campoo.cc/cnn/ https://www.cnblogs.com/pinard/p 阅读全文
摘要：
2.1为什么要进行实例探究 （1）就跟学编程一样，先看看别人怎么写的，可以模仿。 （2）在计算机视觉中一个有用的模型，，用在另一个业务中也一般有效，所以可以借鉴。 （3）本周会介绍的一些卷积方面的经典网络经典的包括：LeNet、AlexNet、VGG；流行的包括：ResNet、Inception，如 阅读全文
摘要：
1.1计算机视觉 （1）计算机视觉的应用包括图像分类、目标检测、图像分割、风格迁移等，下图展示了风格迁移案例： （2）图像的特征量非常之大，比如一个3通道的1000*1000的照片，其特征为3*1000*1000达到300万，如果第一个隐藏层有1000个单元那么W[1]有20亿个参数，计算量不仅大， 阅读全文
摘要：
2.1进行误差分析 （1）一识别猫为案例，错误率为10%，这时系统还可以有较大提升空间，这时该往哪方面努力呢？可以通过误差分析，具体可以拿出100个分类错误的样本，然后利用表格统计每个样本分类错误的原因（如下图所示），比如很模糊，狗和猫很像，有滤镜等，一个样本出错可以同时有多个原因，统计看因为什么原 阅读全文
摘要：
1.1为什么是ML策略 优化神经网络的方法： （1）当对一个实际的应用系统进行优化时，可能有很多想法：如提高数据量，提高网络深度，正则化等等，一个错误的选择可能浪费非常多的时间，本课就是让你在面对很多选择时做出正确的选择，这就是ML策略。提高效率，让你的深度学习系统更快投入使用。 1.2正交化 （1 阅读全文
摘要：
3.1调试处理 （1）不同超参数调试的优先级是不一样的，如下图中的一些超参数，首先最重要的应该是学习率α（红色圈出），然后是Momentum算法的β、隐藏层单元数、mini-batch size（黄色圈出）、再之后是Layer、learning rate decay（紫色圈出）、最后是Adam算法中 阅读全文
摘要：
2.1Mini-batch梯度下降 （1）例如有500万个训练样本，这时可以每1000个组成一个Mini-batch,共用5000个Mini-batch。主要是为了加快训练。 （2）循环完所有的训练样本称为（1 epoch）。 （3）使用大括号X{t},Y{t}表示一个Mini-batch。（小括号 阅读全文