
深度学习基础教程
揽风入怀
30+岁程序员,毕业于电子科技大学,经历了国内IT行业的繁荣到平淡,待过德企、外企、互联网民企,现安于银行业国企。擅长Python、Java,具备系统架构设计能力。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
吴恩达深度学习笔记一:神经网络和深度学习
1.神经网络的概念我们先以一个房产价格预测的数学模型来讲解了神经网络的概念。首先,给定一些真实房产价格与房子面积的数据,我们想要建立一个函数来对真实数据进行拟合,并且拟合后的函数可以对新的房子面积进行价格预测。上图中的红色“×”号表示真实数据的位置,我们要用一个线性函数直接去拟合的话,就会出现函数底部进入负值,而我们知道房价是不可能为负的,因此这里使用了Rectified L...原创 2019-04-19 23:00:46 · 246 阅读 · 0 评论 -
吴恩达深度学习笔记二:超参数调试、正则化以及优化
这一章主要讲解在实际的神经网络训练过程中,我们应该如何去进行优化处理,这其中就包括了对数据集的分类采集技巧、超参数的调试、正则化处理等。1.对数据集的分类(训练/验证/测试集)对大规模数据集分类的一般原则(非必须,只是建议),训练集(training sets)、验证集(development sets)和测试集(test sets)应该取自同一分布,在这基础上,我们一般把收集来的数据的绝...原创 2019-04-19 23:09:27 · 691 阅读 · 0 评论 -
吴恩达深度学习笔记三:结构化机器学习策略
本门课程讲解了在实际的机器学习项目中可能遇到的各种问题及其解决方法,比如,各项评估指标应尽可能正交化(即互不干扰)、设置单一的数字评估指标以便于查看网络训练情况和效果、在训练集的同一分布上来设立验证集、测试集等。此外,还介绍了贝叶斯最优误差的概念以及改善模型、误差分析、迁移学习、多任务学习等内容。1.机器学习中常见的一些问题·模型对训练集数据拟合的很好,但在验证集和测试集上表现一般...原创 2019-04-19 23:17:02 · 229 阅读 · 0 评论 -
【数据增强】对图片数据进行旋转、镜像、加噪等
'''注:运行环境为win10,如果要在Linux下运行请修改文件路径即可opencv3python3.6'''import cv2import numpy as npimport os.pathimport copyimport matplotlib.pyplot as pltdef cv_imread(filePath): #读取中文路径的图片 cv_img=c...原创 2019-09-03 16:50:42 · 982 阅读 · 0 评论