吴恩达《深度学习》第一门课(1)深度学习引言

  • 时间:
  • 浏览:0
  • 来源:5分PK10_5分PK10官网

第一门课:神经网络基础,构建网络等;

(4)神经网络非常擅长计算从x到y的精确映射函数(我其他人理解:神经网络实质而是非线性的多项式拟合),神经网络的输入单元个数一般是行态个数,底下称为隐藏层,否则输出单元个数法律依据实际具体情况而定,如下输出是房价的预测值,故是另一一有一个神经元。

第四门课:卷积神经网络相关;

(1)三点愿因分析:数据规模大、计算波特率单位提高、算法的创新。事实上如今提高性能最可靠的法律依据而是运用更大的神经网络和投入更多的数据。下图展示了数据量、模型大小与性能之间的关系:

主要讲了五门课的内容:

第二门课:神经网络的训练技巧;

(2)每另一一有一个神经元都代表着从输入到输出的函数映射,如下的房价预测:

(1)神经网络在监督学习上的应用:

总共四周,分别是前言,解矫知识,浅层神经网络和角度神经网络。

第五门课:循环神经网络相关。

(3)在实践应该按照下图法律依据进行快速迭代:

(3)激活函数Relu(Rectified Linear Unit)我觉得而是max(0,x)。

(2)数据包括行态化数据和非行态化数据,图像语言语音全部都是非行态化数据,是神经网络要研究外理的重点。

(2)算法创新的另一一有一个小案例:激活函数从sigmoid(地处梯度消失)变成ReLU,训练的波特率单位变得放慢了。

第三门课:构建机器学习系统的你你你这个策略,下一步该咋样 走(吴恩达老师新书《Machine Learning Yearning》而是针对你你你这个以及上一课);

(1)常说的角度学习指的而是训练神经网络,否则也指很重大规模的神经网络。