玥晓珖的博客

参考链接：https://www.missshi.cn/api/view/blog/59bbcb46e519f50d04000206在使用Tensorflow框架时，通常的步骤如下：1. 初始化变量2. 启动一个Session3. 训练算法4. 完成神经网络1. Tensorflow库import tensorflow as tffrom tensorflow.pyth...

参考链接：https://www.missshi.cn/api/view/blog/5a8d4064c55cb02519000000主要是对原文的归纳总结：1.机器学习策略2.正交化调参：3.评估指标、优化指标和满足指标我们需要寻找一个返回结果为实数函数来作为评估指标。 4.训练集、验证集和测试集：验证集和测试集应该来源于同一分布，且与真实需求一致： 我们应该将所有不同区域的数据随机打乱，并从中任...

参考链接：1. https://www.missshi.cn/api/view/blog/5a2272ad9112b35ff30000002. https://morvanzhou.github.io/tutorials/machine-learning/torch/3-06-A-speed-up-learning/最后是代码实战。1.Mini-Batch梯度下降法：很大的提高了对海量数据的训练速...

参考：https://www.missshi.cn/api/view/blog/59bbcacae519f50d04000202原文梗概：1.初始化：一个好的初始值有助于我们整个训练过程，一方面，可以加快梯度下降的收敛速度；另一方面，使得误差更有可能减小到一个更小的值。在参考链接中给了三种不同的初始化方式，具体效果和实战例子请看最上面的参考链接：① 零初始化：通常来说，零初始化都会导致神经网络无法...

参考链接：https://www.missshi.cn/api/view/blog/5a1ff5cf9112b3493d000000本文主要包括：1. 训练、验证、测试集的划分2. 对偏差和方差的理解， 机器学习中解决高偏差/高方差的基本方法3. 正则化基本理论 和 防止过拟合的方法4. 如何加快训练速度5. 梯度消失和梯度爆炸的概念6. 梯度校验方法1.训练、验证、测试集的划分整个数据集分为训练...

本文将学习如何利用Python的来实现多个隐藏层的图片分类问题：用两层和多层神经网络实现是否是猫图片的分类。本文的实践平台是Linux，Python3.4，基础库anaconda和spyder，参考文章的实现平台是jupyter notebook：多层神经网络代码实战理论知识学习请参看上篇：deeplearning.ai 吴恩达网上课程学习（七）——深层神经网络理论学习1. 流程概括：2.引入相关...

本文主要来对浅层神经网络进行扩展，来了解深层神经网络的基本原理。本文参考链接：https://www.missshi.cn/api/view/blog/59a6ad67e519f50d040000e61.概念初识：Logistic回归：一个隐藏层的神经网络：五个隐藏层的神经网络：深层神经网络主要是指的包含的隐藏层的深度。神经网络的层数越多，可以拟合的场景越复杂。实际上，在利用神经网络解决一些问题时...

本文将学习如何利用Python的来实现具有一个隐藏层的平面数据分类问题。本文的实践平台是Linux，Python3.4，基础库anaconda和spyder，参考文章的实现平台是jupyter notebook：具有一个隐藏层的平面数据分类代码实战理论知识学习请参看上篇deeplearning.ai 吴恩达网上课程学习（五）——浅层神经网络理论学习目的：将创建的“花状”数据集分类1.使用的数据集：...

本文主要来讲解包含一个隐藏层的神经网络结构及其原理。本文参考链接： https://www.missshi.cn/api/view/blog/59a6ad67e519f50d040000e51.概念初识：之前逻辑回归的模型：一个包含隐藏的神经网络的网络结构：2.神经网络的表示：其中，x1,x2,x3表示其输入层，中间的四个圆圈则表示隐藏层，最后的一个节点是其输出层。而隐藏层数据是我们无法知道而需要...

此文章偏向于实践和自己的理解，本文讲述了Python代码的一些基本操作，由浅入深最后实现logistic的代码。(原文中代码实现基于jupyter notebook，文中代码实现基于之前搭建的Linux的Python平台，二者代码会有细小的区别。搭建平台的链接深度学习（一）：搭建TensorFlow)原创内容来自：https://www.missshi.cn/api/view/blog/59aa0...

本文主要讲述了矢量化和广播，在Python编程过程中提高了运行速度，中间讲述了Logistic回归中的矢量化表示。(原文中代码实现基于jupyter notebook，文中代码实现基于之前搭建的Linux的TensorFlow平台，二者代码会有细小的区别，如果使用的是TensorFlow平台可使用本文的代码）矢量化：在大数据情况下能有效提高运行速度。example 1：向量*向量在原文中用的jup...

举一个逻辑回归的例子讲解神经网络的训练过程中为什么会用到前向传播和反向传播，以及前向传播与反向传播表示的含义。问题：给你一副图片，你需要判断这副图片中的内容是不是猫。如果是猫的话，输出为1，否则输出为0。我们用x表示输入图像，用y表示输出的标签。表示输入图像：输入图像是个RGB猫图像。数学符号：回顾一下逻辑回归：前边也讲过：机器学习（六）：CS229ML课程笔记（2）——逻辑回归前向传播：反向传播...

深度学习实际就是指训练一个规模较大的神经网络：监督学习：Standard NN：Convolutional NN:Recurrent NN:输入数据:结构化数据（具有一个明确含义的数据）,非结构化数据（音频、图像，文本等等内容。其特征可能是图像中的像素信息或者是文本中的内容等）深度学习飞速发展原因：1 数据量的大爆发2 GPU等硬件设备带来的计算效率的飞速增长3 一些优秀的算法提出。横轴表示的是训...

CS229比较注重理论的研究：参看CS229吴恩达斯坦福机器学习课程总结而网易云的吴恩达deeplearning.ai更加注重编程的学习，让我们带着之前的理论知识和搭建好的平台一起进行下一步的学习吧~课程概要：在第一课中，你将会了解神经网络的基础：什么是神经网络和深度学习。也就是我们课程的第一部分第一周的内容。整套课程包含五个部分，每个部分通常需要两到四周。在第一部分中，我们将学习如何构建一个新的...

参考链接：https://www.missshi.cn/api/view/blog/5a2273939112b35ff3000002在本文中，我们将了解一些机器学习中的超参数调优、Batch正则化及深度学习框架。主要包括：1. 超参数调试经验2. 深层神经网络中隐藏层的归一化3. Batch正则化4. Softmax分类回归问题5. 深度学习框架简介1.超参数调试经验：① 假设有两个超参数：参数1...

前面提到过：本文主要针对于卷积神经网络的讲解。1、卷积神经网络1.1.计算机视觉：随着深度学习技术的发展，计算机视觉领域的研究也得到了快速的发展。在对各种图像进行处理的过程中，往往在少量的图像中便蕴含着大量数据，难以用一般的DNN进行处理。而卷积神经网络（Convolutional Neural Network, CNN）作为一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，在图...