吴恩达深度学习编程作业第四周第一节——Convolution model

最新推荐文章于 2024-07-30 11:50:38 发布

原创

最新推荐文章于 2024-07-30 11:50:38 发布 · 308 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #python

这篇博客讲述了在使用Tensorflow 2.6版本完成吴恩达深度学习编程作业时遇到的老版调用语句导致的模块引用错误。主要解决方法包括降低Tensorflow版本或修改引用语句。文中详细介绍了如何处理初始化参数、前向传播、计算成本时的错误，并提到了因Tensorflow和scipy版本更新引起的函数弃用问题及其解决策略。

本次练习使用的是tensorflow 2.6版本，也就是最新版。但作业中很多调用语句都是老版的，导致出现很多模块引用报错。
解决办法主要有两种：1.降低tensorflow版本； 2.修改引用语句
1.Tensorflow 模型
数据集中的图片已经进行了标注，index 用于索引不同的图片，可以自行修改查看不同结果：
在这里插入图片描述

# Example of a picture
index = 1
plt.imshow(X_train_orig[index])
print ("y = " + str(np.squeeze(Y_train_orig[:, index])))

index=1
1.1创建占位符
报错1：

AttributeError:'tensorflow' has no attribute

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weix1235

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

吴恩达 神经网络和深度学习 第四周编程作业

一个bug修一年的博客

07-06

703

第四周作业：用多层神经网络训练二分类模型通过训练一个数据集，来分析图片中是否有猫。参考博客：https://blog.csdn.net/u013733326/article/details/79767169 1.导入需要使用包并设置种子 2.初始化两层网络参数而使用的函数 3.初始化多层网络参数而使用的函数 4.实现前向传播的线性部分 5.实现LINEAR-> ACTIVATION 这一层的前向传播 6.多层模型的向前传播计算 7.实施成本函数 8.为单层实现反向传播的线性部分（第L层） 9.实现

吴恩达深度学习编程作业第四周第一节——Convolution model-step by step v1/v2

weix1235的博客

10-11

776

1.逐步构建卷积网络本次要构建的网络基本架构：注：每进行一次前向传播操作，都会有与之对应的后向传播，前向传播的参数将被存储，这些参数在后向传播过程中将被用来计算梯度。 2.卷积神经网络 2.1零值填充使用零值填充的好处：填充帮助你使用卷积层而不需要收缩输入数据的高和宽，这在深度网络中十分重要；帮助保留图片边缘信息使用函数 numpy.pad 介绍： numpy.pad(array, pad_width, mode=‘constant’, **kwargs) array:要填充的数组 pa

参与评论您还未登录，请先登录后发表或查看评论

coursera 吴恩达 -- 第四课卷积神经网络：第一周 Convolution model - Application - v1 数据集（全）

08-23

coursera 吴恩达 -- 第四课卷积神经网络：第一周 Convolution model - Application - v1 包含训练数据集合测试数据集全

Convolutional Neural Networks: Step by Step

weixin_34205826的博客

11-20

412

Andrew Ng deeplearning courese-4:Convolutional Neural Network Convolutional Neural Networks: Step by Step Convolutional Neural Networks: Application Residual Networks Autonomous driving - Car detecti...

吴恩达深度学习第四周编程作业

小落的博客

04-29

1432

吴恩达深度学习第四周编程作业内容： 1. 多类型逻辑回归Cost迭代函数矩阵实现 2. 使用训练完成的参数进行神经网络预测 Code: GItHub ...

吴恩达深度学习教程——中文笔记网上资料整理

Superstar02的博客

09-27

1350

深度学习笔记目录课程地址：https://mooc.study.163.com/university/deeplearning_ai#/c 专栏： https://blog.csdn.net/shikong_/article/category/7288516 https://blog.csdn.net/zc...

吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例

weixin_40920228的博客

08-14

1842

吴恩达.深度学习系列C4-卷积神经网络W2-深度卷积模型案例 (本笔记部分内容直接引用redstone的笔记http://redstonewill.com/1240/。原文整理的非常好，引入并添加我自己的理解。省了不少事儿啊。) 吴恩达.深度学习系列C4-卷积神经网络W2-深度卷积模型案例学习目标 1.为何关注经典案例 2.经典网络模型 3.ResNets 4.ResNets工作原理...

机器学习/深度学习资料

最新发布

2401_86435672的博客

07-30

1536

新年大礼包：机器之心2018高分教程合集CVPR2019目标检测方法进展综述。

吴恩达深度学习课程-第四周

J的博客

06-19

535

吴恩达深度学习第四周课程笔记

吴恩达老师的深度学习课程第一课第四周作业

01-15

附件里是如题的作业我是使用Spyder把作业加载进去，然后新建一个程序，一段一段运行的。用于检验的代码在运行之后一般就注释掉或者删掉了。后面的代码规范性正在加强，大家看着也方便很多

自己做的吴恩达深度学习作业答案（第一课第四周）

01-21

自己做的吴恩达深度学习作业答案（第一课第四周），仅供参考。

吴恩达深度学习第一课第四周编程作业（包括习题、代码、答案、数据集、完美跑通）

12-06

吴恩达深度学习第一课第四周编程作业（包括习题、代码、答案、数据集、完美跑通）。亲测完美跑通。

Convolution+model+-+Step+by+Step+-

03-20

Convolution+model+-+Step+by+Step+-+v2 第四个 cnn week1的作业数据集和作业文件

深度学习作业L4W1（2）：Convolution model - Application - v1

awake020

05-04

543

利用tensorflow实现卷积神经网络 placeholder # GRADED FUNCTION: create_placeholders def create_placeholders(n_H0, n_W0, n_C0, n_y): """ Creates the placeholders for the tensorflow session. Argum...

吴恩达 神经网络和深度学习 第4周编程作业

you1314520me的专栏

05-30

3228

由于csdn的markdown编辑器及其难用，已将本文转移至此处NoteThese are my personal programming assignments at the 4th week after studying the course neural-networks-deep-learning and the copyright belongs to deeplearning.ai.P...

吴恩达深度学习（笔记+作业）·第一课·第四周深层神经网络

猪猪的博客

08-19

1135

目录一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数四、参数和超参数作业：一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数拿出一张纸，计算各个矩阵的维度四、参数和超参数作业： #! /usr/bin/env python # -*- coding: utf-8 -*- """ ...

吴恩达《神经网络和深度学习》第四周编程作业—构建深度神经网络

Roar冷颜的博客

11-16

3466

吴恩达《神经网络和深度学习》— 构建深度神经网络1 安装包2 构建深度神经网络的框架3 初始化3.1 两层神经网络参数的初始化3.2 L层神经网络参数的初始化4 前向传播模块4.1 线性前向4.2 前向线性激活4.3 L层模型5 损失函数6 后向传播模块 ※※※※※上一篇：【用一层隐藏层的神经网络分类二维数据】※※※※※ 在上一篇教程中我们已经训练了一个两层的神经网络（只有一个隐藏层）。这篇文章，我们将学会构建一个任意层数的深度神经网络，并实现构建深度神经网络所需的所有函数！学完本篇文章将掌握的技

吴恩达《神经网络和深度学习》第四周编程作业—深度神经网络应用--Cat or Not?

Roar冷颜的博客

11-16

3124

吴恩达《神经网络和深度学习》— 深度神经网络应用--Cat or Not? ※※※※※上一篇：【构建深度神经网络】※※※※※ 在这篇文章中，我们将使用在上一篇文章中实现的函数来构建深层网络，并将其应用于分类cat图像和非cat图像。希望你会看到相对于先前的逻辑回归实现的分类，准确性有所提高。学完本篇文章将掌握的技能： ∙\bullet∙ 建立深度神经网络并将其应用于监督学习 ...

卷积神经网络第一周作业 convolution+model+-+Step+by+Step+-+v1

Steve Wang's blog

12-17

1286

Convolutional Neural Networks: Step by Step Welcome to Course 4’s first assignment! In this assignment, you will implement convolutional (CONV) and pooling (POOL) layers in numpy, including both forwa...

吴恩达深度学习课程第一周编程作业解析

根据提供的文件信息，我们可以推断出需要阐述的知识点围绕吴恩达教授开设的深度学习课程中的卷积神经网络（Convolutional Neural Networks，简称CNNs）第一周的作业内容。由于具体的作业内容没有给出，我们将重点...