吴恩达深度学习笔记
摘要：深度学习框架有很多种，都是封装好的，基本是不用我们处理，只要完成正向传播，反向传播就能通过框架完成，需要自己去选择学习合适的框架，并且知道如何运用； ———————————————————————————————————————————————————————————— 正交化： 正交化是为了处理自
阅读全文
深度学习笔记
摘要：学习率衰减： 在迭代到后期可能因为学习率的问题导致一直在一个大范围动荡无法更近一步靠近低点，所以要调整学习率以求达到低点，使用迭代次数自动衰减是挺好的办法； 遍历完一次训练集为一代 —————————————————————————————————————————————————————— 为超参数
阅读全文
吴恩达深度
摘要：在建立模型中出现三种情况： 1.欠拟合，偏差大，模型对训练数据都预测不准确，要调整自己的模型，或者说重构自己的神经网络。 2.刚刚好，偏差与方差都挺高的，说明模型建立的还可以。 3.过拟合，方差过大，拟合太准，缺少泛化，只对训练集起到效果很好，对测试集效果不是很好，这种时候就要考虑正则化； 以下两种
阅读全文
吴恩达深度学习作业第二周记录
摘要：训练集处理： 在X_train塞入一个训练集例如209张照片，那么数组维度可能为（209，64，64，3）209张，高64，宽64，3层（RBG） 同时存在一个Y_train训练集的y值， 此时X_train.shap[0]为最外维度209；要一次性处理数据集最好将它变成二维数组把色层放一个维度X_
阅读全文
