Coursera Deep Learning 编程练习代码

最新推荐文章于 2023-06-27 11:40:40 发布
原创 最新推荐文章于 2023-06-27 11:40:40 发布 · 1.4k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本资源提供了Coursera深度学习课程的代码实现与学习资料，覆盖了从基础到进阶的各种深度学习模型和技术。
Coursera课程《Deep Learning》学习总结
SUJI的博客
06-02 1803
        最近两周的时间一直在看吴恩达（Andrew Ng）的《Deep Learning》课程，看的过程中，有一种根本停不下来的感觉，这门课由浅入深，将深度学习涉及的理论、概念讲的清清楚楚的。     《Deep Learning》一共分为5个部分，简要的说：         第一部分《Neural Networks and Deep Learning》，全面介绍了深度学习的理论，从L...
Coursera Deep Learning笔记 改善深层神经网络：超参数调试、正则化以及优化
豆子
06-08 311
摘抄自：https://xienaoban.github.io/posts/41302.html 收藏：https://blog.youkuaiyun.com/u012328159/article/details/80210363 1. 训练集、验证集、测试集(Train, Dev, Test Sets) 当数据量小的时候, 70% 训练, 30% 测试；或 60% 训练、20% 验证、20%测...
深度学习期末复习
weixin_62937620的博客
06-27 6824
0.001。
深度学习入门-（基于python的理论与实现）1-代码练习
超级菜
09-12 857
import os, sys sys.path.append(os.pardir) """" sys.path.append sys.path.append(os.pardir) python程序中使用 import XXX 时，python解析器会在当前目录、 已安装和第三方模块中搜索 xxx，如果都搜索不到就会报错。 mnist_show.py文件的当前工作目录为ch03， 但是load_mnist（）函数的mnist.py文件在dataset目录下。 因此，mnist_show.py文件不可...
吴恩达coursera deeplearning深度学习课程2第3周程序 (py工程)
02-01
在实际编程练习中，学员会接触到数据预处理、模型训练、验证和测试的过程。他们将学习如何使用TensorFlow的Dataset API加载和处理数据，如何构建模型架构，以及如何使用TensorBoard进行可视化，监控训练过程和模型...
精选资源
Coursera-Deep-Learning-deeplearning.ai听课笔记，编程作业和课后练习
01-03
Coursera-Deep-Learning-deeplearning.ai听课笔记，编程作业和课后练习
数字手势数据集（Coursera - Deep Learning）
10-04
本数据集，名为“数字手势数据集（Coursera - Deep Learning）”，源自Coursera上吴恩达教授的“Deep Learning”专项课程。这个数据集特别用于第二课中的TensorFlow教程，作为编程练习的一部分，帮助学员掌握深度...
[Coursera] Deep learning 系列课程作业的一些报错问题总结及作业资源
qq_27309515的博客
10-26 2125
Deep learning 系列课程作业的一些报错问题总结   相信有小伙伴和我一样，在使用网上下载下来的作业资源在本地环境进行运行的时候会有一些报错问题，我总结了一下我遇到的问题，并给出了详细的解决方法，希望能对看到这篇文章的小伙伴有所帮助。   这篇文章的部分内容来自：ImSEten 的这篇文章，但是由于有些问题他并没有解决，他也并没有更新完所有作业中遇到的报错问题，所有我还是重新整理了遇到的问题，同时我也会标记出从他那里 copy 过来的内容。 下载资源 修正后的空作业文件：（目前只包含了Course
coursera上吴恩达的Neural Networks and Deep Learning课程
09-17
吴恩达在Coursera平台上的“Neural Networks and Deep Learning”课程是深度学习领域的经典之作，由世界知名的人工智能专家吴恩达教授主讲。这个课程旨在介绍神经网络和深度学习的基础知识，帮助学员掌握构建和训练...
深度学习课程Deep Learning Courses
GarfieldEr007的专栏
03-29 3502
深度学习是一个快速成长的人工智能领域。它越来越多地用于提供接近人类的水平精度图像分类，语音识别，自然语言处理，情感分析，推荐引擎等。应用领域包括面部识别，场景检测，先进的医疗和制药研究，以及车辆的自动驾驶。 免费的深度学习课程 加入NVIDIA的深度学习课程听专家讲免费的在线课程吧，此入门课程由五个教师主讲，包括互动讲座，动手练习，与导师一起工作。 你需要学习很多内容，包
机器学习入门（五）：coursera 之 deep learning 课程
crazyeden的博客
02-25 518
寒假的时间，没做成什么事，就把deeplearning.ai在coursera上深度学习系列课程，完成第一个课程和第二个课程的第一周。第一个课程的主要内容为神经网络及多层神经网络的前向传播计算和反向传播计算。重点讲解了如何用python实现，前向传播过程，计算过程中，将一些中间量存为cache。然后在BP的时候，用于计算，主要推导了单层网络，两层网络和多层网络的情况下，各个梯度值如何计算。这是重点...
笔记 | 吴恩达Coursera Deep Learning学习笔记
AI科技大本营
09-27 6428
向AI转型的程序员都关注了这个号☝☝☝作者：Lisa Song微软总部云智能高级数据科学家，现居西雅图。具有多年机器学习和深度学习的应用经验，熟悉各种业务场景下机器学习和人工智能产品的需求分析、架构设计、算法开发和集成部署。吴恩达Coursera Deep Learning学习笔记 1 （上）【学习心得】Coursera和deeplearning.ai合作的Deep Learning Specia
Deep learning：二(Multivariance Linear Regression练习)
Chanon_Lee的博客
06-14 357
练习及数据来源：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex3/ex3.html练习要求：    1.对数据进行正则化预处理    2.编写代码实现梯度下降求解theta    3.利用损失函数J求合适的学习率（并绘图）    4.编写代码...
Coursera Deep learning 复习
Aren8的博客
08-27 254
CNN Sequence Model: Week 1: Assignment 1: RNN和LSTM模型的 foward propagation （tensorflow） Assignment 2: Clip, Sample和完整LSTM 模型（tensorflow） Assignment 2: Single LSTM step和预测模型 (Keras) Week 2: Assignment 1: 相似度和中性化 Assignment 2: 简单的情感分类模型和使用LSTM layer的情感分类.
Coursera deeplearning.ai 深度学习习题1-1-Introduction to deep learning
tuzhen301的博客
12-06 3168
coursera deep learning course3 week1
yb564645735的博客
12-16 475
正交化(orthogonlization) 每个算法、技巧只解决一个问题，而不要对很多方面都产生影响。 早停(early stopping)既影响对训练集的训练，又对验证集有提高。 单一数字评估指标(single number evaluation metric) 以一个指标作为最终优化的指标。 满意指标与优化指标(satisficing and optimizing metric) 选
coursera deep learning笔记（第一章+第二章）
Voyager2019hjs的博客
03-29 314
#1.1.2 一般都为列向量形式
coursera deep learning course3 week2
yb564645735的博客
12-17 434
error analysis 当训练猫的分类器时，可以从错误分类的样本中挑选一定比例的样本，如100张，然后列出如下图的表，其中错分成狗为8%,大型猫科动物43%,…,这样我们就能知道下一步该改进哪方面。 标签错误的数据时做法 在训练集时的做法： deep learning is robust to random errors,因此只要是意外、随机的标记错误，并不会怎么影响徐连效果。 在验证集
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值