SpringRolls的博客

欢迎来到你的第一个(必需的)编程任务！你将建立一个逻辑回归分类器来识别猫。这项作业将带你逐步了解如何用神经网络思维来做这件事，因此也将磨练你对深度学习的直觉。第一部分：导包在开始之前，我们有需要引入的库：numpy ：是用Python进行科学计算的基本软件包。h5py：是与H5文件中存储的数据集进行交互的常用软件包。matplotlib：是一个著名的库，用于在Python中绘制图...

逐步建立深层神经网络 欢迎来到你的第4周作业(第1部分，共2部分)！您之前已经训练了一个两层神经网络(只有一个隐藏层)。本周，你将建立一个深度神经网络，你想要多少层就有多少层！在这个部分中，您将实现构建深层神经网络所需的所有功能。 在下一个作业中，您将使用这些函数来构建用于图像分类的深层神经网络。 完成这项任务后，您将能够:使用像ReLU这样的非线性单元来改进模型 建立一个更深的神经...

图像分类的深层神经网络及其应用当你完成这个，你将完成第四周的最后一个编程作业，也是这门课的最后一个编程作业！ 您将使用在上一个作业中实现的功能来构建一个深层网络，并将其应用于卡特彼勒和非卡特彼勒分类。希望您会看到相对于之前的逻辑回归实现，准确性有所提高。 完成这项任务后，您将能够: 建立并应用深层神经网络进行监督学习。 让我们开始吧！1-准备软件包让我们首先导入您在本次任务中需要的所有...

欢迎来到你的第三周编程作业。是时候建立你的第一个神经网络了，它将有一个隐藏的层。您将会看到这个模型和您使用逻辑回归实现的模型有很大的不同。在这篇文章中，我们会讲到以下的知识：构建具有单隐藏层的二分类神经网络。 使用具有非线性激活功能激活函数，例如tanh。 计算交叉熵损失（损失函数）。 实现向前和向后传播。1-准备软件包我们需要准备一些软件包：numpy：是用Python进...

初始化欢迎来到“改进深层神经网络”的第一个任务。 训练神经网络需要指定权重的初始值，精心选择的初始化方法将有助于学习。 如果您完成了本专业的上一门课程，您可能会按照我们的说明进行重量初始化，并且到目前为止已经完成了。但是你如何为一个新的神经网络选择初始化？在本节中，您将看到不同的初始化如何导致不同的结果。选择一个好的初始化可以:加速梯度下降的收敛 增加梯度下降收敛到较低训练(和泛化)...

正则化欢迎来到本周的第二项任务。深度学习模型具有如此大的灵活性和容量，如果训练数据集不够大，过度拟合可能是一个严重的问题。你将学会:在你的深度学习模型中使用正则化。让我们首先导入您将要使用的包。# import packagesimport numpy as npimport matplotlib.pyplot as pltfrom reg_utils import sigmo...

优化算法到目前为止，您一直使用梯度下降来更新参数和最小化成本。在本笔记本中，您将学习更高级的优化方法，这些方法可以加快学习速度，甚至可能使您获得成本函数的更好的最终值。拥有一个好的优化算法可能是等待天数与仅仅几个小时来获得一个好结果的区别。 梯度下降在成本函数上“走下坡路”。把它想象成这样做:我们想象一下成本函数J，最小化成本就像找到丘陵的最低点，在训练的每一步中，都会按照某个方向更新...

梯度校验欢迎来到本周的期末作业！在这个作业中，你将学习如何实现和使用梯度校验。您是一个致力于在全球范围内提供移动支付的团队的成员，并被要求建立一个深度学习模型来检测欺诈行为——判断用户账户在进行付款的时候是否是被黑客入侵的。但是反向传播很难实现，有时会有缺陷。因为这是一个任务关键型应用程序，所以您公司的首席执行官希望真正确定您的反向传播实现是正确的。你的首席执行官说，“给我一个证据，证...