<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sd54321的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sd54321</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sd54321]]></copyright><item><title><![CDATA[吴恩达深度学习 课程四 第三周 对象检测]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135749002</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135749002</guid><author>sd54321</author><pubDate>Mon, 22 Jan 2024 19:33:40 +0800</pubDate><description><![CDATA[计算机视觉的应用如今非常丰富，上周已经学习了图片分类问题，在此基础上进行目标定位的学习，甚至应用到目标检测（多物体）。通常图片左上角坐标（0，0），右下角坐标（1，1），红色方框的中心点坐标（bx,by），边框高度bh ，宽度bw。神经网络不仅需要输出标签，还需要输出四个参数值。当检测到图片中存在1，2，3情况时，pc=1 4表示无背景，pc=0,相应的损失函数如上所示。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程四 第二周 算法介绍]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135726267</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135726267</guid><author>sd54321</author><pubDate>Sun, 21 Jan 2024 17:36:37 +0800</pubDate><description><![CDATA[卷积参数少，一个原因是参数共享，另一个原因是稀疏连接。以便于我们用更小的参数训练它，预防过度拟合。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程四 第一周 卷积神经网络]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135700696</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135700696</guid><author>sd54321</author><pubDate>Fri, 19 Jan 2024 20:05:27 +0800</pubDate><description><![CDATA[比如图像分类，目标检测，图像风格迁移。面对巨大的数据特征，我们需要运用卷积运算，由此引出卷积神经网络。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程二 第二周 优化算法]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135650737</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135650737</guid><author>sd54321</author><pubDate>Wed, 17 Jan 2024 17:21:12 +0800</pubDate><description><![CDATA[向量法可以加快运行速度，但是当训练样本百万级单位时仍然很慢，可以利用mini batch梯度下降法，每个mini batch有1000样本，如果你的m（训练集）是5百万，可分成5000个mini batch。二者从图像上看损失函数差别如下mini batch size =m 称为batch梯度下降法 缺点是每次迭代时间过长。mini batch size =m1 称为随机梯度下降法 缺点是失去向量化带来的加速，效率过低。实践中最好选择不大不小的尺寸，实际上学习率最快。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程2 第一周 提高神经网络速度方法]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135603785</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135603785</guid><author>sd54321</author><pubDate>Tue, 16 Jan 2024 18:41:22 +0800</pubDate><description><![CDATA[在设置神经网络时，通常会面对这些问题。即使是深度学习的行家，一开始也不太会得到最优的参数和超参数，所以说深度学习是一个典型的迭代过程。创建高质量的训练，开发，测试集有助于提高循环效率。过去的经验一般是6/2/2比例，随着数据的增加，验证集（验证不同的算法，确定模型）和测试集（正确评估分类器的性能）的比例随之减小。目前流行训练集在网页获取，验证和测试集由用户提供，注意验证和测试要来自同分布的数据，能加快速度。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程1 第四周 深层神经网络实现]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135586342</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135586342</guid><author>sd54321</author><pubDate>Sun, 14 Jan 2024 18:54:11 +0800</pubDate><description><![CDATA[以人脸识别为例神经网络第一层寻找图片中的边缘，被探测的像素组成不同的部分，最后组合在一起形成人脸。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程1 第三周 单层神经网络实现]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135584073</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135584073</guid><author>sd54321</author><pubDate>Sun, 14 Jan 2024 16:51:54 +0800</pubDate><description><![CDATA[上述为双层神经网络第零层 输入特征值第一层 隐含层第二层 输出层计算m个样本的公式，由于出现显式for循环 需要将其进行向量化。]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程1 第二周 基础知识]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135535005</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135535005</guid><author>sd54321</author><pubDate>Fri, 12 Jan 2024 15:27:03 +0800</pubDate><description><![CDATA[吴恩达深度学习笔记 第二周]]></description><category></category></item><item><title><![CDATA[吴恩达深度学习笔记 课程1 第一周 前导]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135532353</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135532353</guid><author>sd54321</author><pubDate>Thu, 11 Jan 2024 17:02:47 +0800</pubDate><description><![CDATA[吴恩达深度学习笔记]]></description><category></category></item><item><title><![CDATA[c++实例 超级玛丽（1）]]></title><link>https://blog.youkuaiyun.com/sd54321/article/details/135507105</link><guid>https://blog.youkuaiyun.com/sd54321/article/details/135507105</guid><author>sd54321</author><pubDate>Wed, 10 Jan 2024 18:23:14 +0800</pubDate><description><![CDATA[c++项目实战(1)人物移动]]></description><category></category></item></channel></rss>