自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 《吴恩达深度学习》学习笔记(下)

这节课中,我们要学习计算机视觉中最重要的任务之一——目标检测任务。我们会先认识目标定位和关键点检测这两个比较简单的任务,慢慢过度到目标检测任务。之后,我们会详细学习目标检测的经典算法YOLO。最后,我们会稍微认识一下语义分割任务及适用于此问题的U-Net架构。如上图所示,在神经网络风格迁移中,输入一张表示内容的图(C)和一张表示画家风格的图(S),我们可以借助神经网络生成一幅融合内容与风格的图片(G)。接下来实现神经网络风格迁移时,我们会关注CNN浅层和深层提取出来的特征。

2025-04-05 18:15:34 514

原创 《吴恩达深度学习》深度神经网络课后作业(Python)

就是参考吴老师指导一步一步写的。

2025-03-13 18:40:41 659

原创 《吴恩达深度学习》浅层神经网络作业(python版)

花瓣数据的极坐标方程通常为 r(θ)=acos⁡(kθ)r(θ)=acos(kθ) 或 r(θ)=asin⁡(kθ)r(θ)=asin(kθ)。其中,kk是整数,决定了花瓣的数量。当 k 为奇数时,曲线将有 kk 个花瓣;当 k为偶数时,曲线将有 2k个花瓣‌。本版本就是根据吴恩达作业提供的指导思路完成的。8. 隐藏层不同size导致的结果影响。4.向前传播->代价函数->向后传播。9. 其他dataset测试。7.预测结果和图形绘制。

2025-03-09 11:41:22 259

原创 《吴恩达深度学习》学习笔记(中)

训练集开发集测试集用于优化参数是否否训练时可见?是是否最终测试时可见?是是是训练集就是令模型去拟合的数据。对于神经网络来说,我们把某类数据集输入进网络,之后用反向传播来优化网络的参数。这个过程中用的数据集就是训练营。开发集是我们在训练时调整超参数时用到的数据集。我们会测试不同的超参数,看看模型在开发集上的性能,并选择令模型开发集上最优的一组超参数。测试集是我们最终用来评估模型的数据集,当模型在测试集上评测时,我们的模型已经不允许修改了。

2025-03-07 10:56:11 814

原创 《吴恩达深度学习》学习笔记(上)

我们把一个有输入和输出的计算单元叫做“神经元”。最简单的神经元就是一个线性函数。比如预测房价和房屋面积的关系时,我们会用一个线性函数去拟合。这个线性函数就是一个神经元。事实上,一个神经元不仅包含一个线性函数,还包括一个激活函数。这里提到了激活函数 ReLU 的概念,其具体内容应该会在后面的课程里介绍。如图所示举例,不同的X变量如房子大小/房间数量/邮编地段 最后会得到一个房价的预测,省去了中间的自己完成推算的过程。在用一个神经元来表示房价和房屋面积的关系时,神经元的输入是房屋面积,输出是房价。而用。

2025-02-23 20:18:12 693

原创 吴恩达机器学习课后作业——线性回归(Python实现)

【代码】吴恩达机器学习课后作业——线性回归(Python实现)

2025-02-09 11:54:23 207

原创 吴恩达机器学习学习笔记(下)

还是以线性回归模型进行房价预测的问题为例。那如果我们兴冲冲地拿这个模型去预测房价,发现预测值和实际值偏差超乎想象该怎么办呢?该怎样改进我们的算法呢?常见的,有以下几种可行的办法:(1)寻找更多的训练样本,通过各种手段找到跟已有的训练样本中的数据不太一样的训练数据。但是,有时候这种办法也不是那么有效果的,后面会讲原因。(2)使用更少的属性减少过拟合,就是使用更少的自变量。从备选的自变量中,小心翼翼地去掉一些可能和房价不相关的自变量。(3)还可以尝试增加一些自变量,如果训练样本数量远远大于自变量个数的时候可以试

2025-02-08 14:42:05 634

原创 吴恩达机器学习学习笔记(上)

神经网络结构的选择问题,实质上就是要确定隐藏层的层数以及各隐藏层的单元数目。按分类的效果来说呢,隐藏层的单元数是越多越好的,但是过多的神经元会让训练相当的缓慢,因此需要平衡一下,一般将隐藏层的单元数设置为输入层单元数的2~4倍为宜。而隐藏层的层数呢就以1、2、3层比较常见训练神经网络的步骤step1.随机初始化权重step2 实现前向传播算法,拿到各个输入的激活函数step3 编码计算代价函数step4 实现反向传播计算激活函数的偏导数Step5:使用梯度检验验证反向传播计算偏导数。

2025-02-02 15:28:10 1024

原创 计算机组成原理笔记刘宏伟(2)---总线

全互锁:主设备发出请求,从设备接收到之后发出应答,主设备接收到应答之后再撤销,从设备才会撤销自己应答信号,(如果出错,主设备可以请求从设备重新发送)4)总线复用:地址线与数据线复用(8086, 20颗地址线,有16颗也作为数据线,芯片管脚线减少)半互锁:主设备发出请求,从设备接收到之后发出应答,主设备接收到应答之后再撤销,否则一直保持;设备很多,总线会变长,出现延迟严重,同一时刻只有一对设备可以使用总线。控制总线:有出,有入,例如存储器读写,总线允许,中断确认。

2024-04-14 10:42:04 1609 1

原创 计算机组成原理笔记-哈工大刘宏伟(1)---基本组成 性能指标

1)五大部分组成:运算器,控制器,存储器,输入设备,输出设备2)指令和数据以同等地位位于存储器,可按地址寻访3)指令和数据用二进制表示4)指令由操作码和地址码组成5)存储程序6)以运算器为中心。

2023-11-15 14:41:48 452

原创 李志军操作系统学习笔记下-- 操作系统管理内存

李志军老师学习笔记

2023-02-05 14:30:22 762

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除